原创文章第124篇，专注“个人成长与财富自由、世界运作的逻辑，AI量化投资”。
关于疫情，似乎有两股力量在极限拉扯着。但历史的车轮滚滚向前，一切反趋势的东西，都将被无情碾碎，时间长与短罢了，耐心而专注做好自己的事情。
01量化投资与智能投顾
量化投资是用数量化的方式来做投资，智能投顾是用智能的方式做投资顾问。二者的异同是什么呢？
二者的相同点，都是用数量化的方式，当下而言都是希望用机器来做投资，摆脱人工或主观交易的方式。
二者的相同点，都是用数量化的方式，当下而言都是希望用机器来做投资，摆脱人工或主观交易的方式。
二者目标不同。量化投资的目标是最大化风险调整后收益，强调的是收益；而智能投顾是根据客户风险偏好，进行资产配置，强调的是风险。
当然这里并不是非黑即白，量化投资也会关注风险，有人可以接受50%的回撤，去博取200%的收益，而有人上限是30%即无法承受。智能投顾同样要求收益，理财的收益4%就有风险，而通过投顾目标会是8-12%，若是自用的模式，可以把回撤率放宽到20%的话，收益目标可以提升到15-20%。
二者面对的人群不同。做量化投资的，要么是非常专业的投资者，本身有非常丰富的主观交易经验，希望借用技术的力量把部分交易自动化和智能化；另一部分就是抱着“捡钱”的逻辑来的。本金体量稍大的，普通人肯定倾向于后者（控制着风险，努力提升收益）。而小资金总希望以小博大（逻辑上是否成立其实未知，很多人就是这样沦为韭菜）
二者满足的需求不同。量化投资就是奔着收益去了，愿意承受更高的风险为代价。而投顾的基础需求是理财，为财富保值或增值。很多人希望保本或者承受有限的风险，不愿意保太大的本金损失的风险。
前面的差异带来操作方式的差别在于，量化投资的核心逻辑就是借能机器“预测”市场，低买高卖，追涨杀跌做波段。而智能投顾的出发点是大类资产配置，做好战略配置，在这个基础上进行适当的战术资产调优，以增厚收益而不引入额外的风险。
目标 | 需求 | 人群 | 方式 | |
量化投资 | 最大化风险调整收益 | 收益 | 专业投资者； 小白韭菜 | CTA模式，预测，追涨杀跌做波段 |
智能投顾 | 给定风险预算，最大化收益 | 理财，保值，增值 | 本金体量较大； 不愿意投入太多时间 | 投资组合模式，MVO/风险平价，做适当的战术资产调优 |
02 我们的方式
以投顾为起点，引入量化投资的模式，做战术资产调优，提升组合的收益率，构建一个“绝对收益型”投资体系。
场外基金版本，我在星球里很早就分享过，这个组合不太需要花心思，调仓频率不高，期望长期年化8-12%。投资组合构建 | 七年之约，财务自由之路 #02
我们将作一个场内基金版本，对加入更主动的市场，基本面甚至AI多因子择时，来增厚收益。
以大类资产（权益，债券，商品）和全球市场（A股，美股，港股，欧洲，日本 ，印度，越南等）为起点。系统构建以全球指数时间序列进行回测。
直接选用指数进行系统构建的原因：指数的历史数据全，而市场上的ETF有交易记录的历史相对短。ETF要做复权（ETF也为分红的操作）处理；很多指数有多支ETF，交易量不同也会引入偏差。
tushare可以把如下的宽基数据入库，我已经下载好了，大家前往星球专栏下载即可（当然自己下载也行，需要自己对数据进行预处理）。
index = [
'HSI', # 恒生
'HKTECH', # 恒生科技
'SPX', # 标普500
'IXIC', # 纳指
'FCHI', # 法国CAC40
'GDAXI', # 德国DAX
'N225', # 日经225
# A股
'000016.SH', # 上证50
'000300.SH', # 沪深300
'000905.SH', # 中证500
'000852.SH', # 中证1000
'399006.SZ', # 创业板
'399673.SZ', # 创业板50
'000688.SH', # 科创50
'399324.SZ', # 深证红利
]
download_symbols(index, b_index=True)
with pd.HDFStore(DATA_DIR_HDF5_ALL.resolve()) as store:
print('读数据')
print(store['N225'])
03 数据初探
日经225指数：
其实日本市场，过去十年的表现还可以的。
标普十年长牛：
恒生指数：
德国DAX指数：
下面是我大A沪深300指数，也还好：
法国CAC40指数：
过去10年，除了恒生之外，都是明显长期增长的，其实这才符合金融的本质。
大类资产长期配置的基础逻辑就是这个。寻找长期向上的，低相关性的资产集，做成组合，就可以享受市场增长的红利，而不必承受过多的风险。
——这是战略资产配置的逻辑。
但市场有时候会明显下行，进行熊市，我们根据中短期的市场，基本面的情况，对资产进行战术性的择时操作，以增厚收益，提升收益风险比。
数据和notebook请前往星球量化专栏下载。
联系客服
