你有没有想过，为什么你的股票组合不如基本的“股市”ETF，或者更糟糕的是你自己的预期？虽然你的罗宾汉账户中有“正确”的股票，但你的整体投资组合不应该在正确的位置？这是有原因的，原因很简单：买一篮子股票，称之为日常交易是不够的。

决定买多少股票并不像一个基本的数学方程那么简单。为什么要根据昨天的股市建立投资组合？人工智能(AI)的进步使得更容易高概率预测明天的股市。有了这些信息，人工智能方法构建的投资组合将在结构上给个人带来更好的表现。

什么是多元化投资组合？

在讨论投资时，多元化的概念被广泛使用，它的真正含义通常会丢失(或省略！)。当我们考虑分散投资时，我们指的是你投资组合中的风险。需要考虑的风险很多，但投资者通常只关注一种类型：业绩。衡量业绩风险显然是投资者的一个关键指标——如果你认为你不会获得正回报，那为什么还要投资！但很多人不知道的是，过分强调收益可能会增加投资组合中的其他风险。

这是一个例子。假设你将投资组合的40%投资于ABC股票。ABC涨了不少，但当天又突然下跌。因此，我们称股票ABC为“波动性”股票。当ABC开始的时候，一切都很好，但是当ABC下降10%的时候会发生什么？由于你投资组合的40%投资于ABC股票，10%的跌幅意味着——假设你投资组合的其余部分保持不变——你的投资组合将下跌4%。为了收支平衡，你需要你的投资组合获得超过4%的收益。我的朋友，这就是复合的力量，它对你不利。在ABC的投资组合中拥有较小的比例可能会更好，这样可以让你投资自己喜欢的股票，而不会让整个投资组合面临风险。他被称为风险回报关系。我们将对此进行更多讨论。

正确的多元化。

知道不要买太多波动大的股票，只会触及表面。接下来，你需要考虑相关因素对你投资组合的作用和影响。让我们看另一个例子。假设你想买美国广播公司的股票和XYZ的股票。你已经注意到，每次美国广播公司上涨，XYZ就会上涨。当ABC减少时，XYZ也会减少。我们刚才描述的是所谓的正线性关系，也叫相关性。

相关的测量范围是-1到1。在这个范围内，股票变化的线性关系(在这种情况下，股票ABC和XYZ)被归一化。如果ABC与XYZ的相关系数为0.75，则意味着这两只股票之间存在比较强的正相关关系。换句话说，你可以预期，每次美国广播公司上涨，XYZ就会上涨，反之亦然。因此，通过同时购买中航和XYZ，您将在您的投资组合中引入类似的风险。为了避免将风险集中在相似或相关的想法上，投资ABC相关性较弱的股票更有意义。否则，就像买所有ABC的股票一样有风险。

但是风险呢？

还记得我们前面提到的风险和回报的关系吗？这就是它的由来。虽然风险回报可以用很多不同的方式来衡量，但我们将重点关注波动率回报的基本关系。

在考虑风险回报时，问问自己，你能从你接受的每一次波动(风险)中获得多少回报。如果比率低于1，意味着你从投资组合收益中获得的回报不足以抵消投资组合波动的风险。理想情况下，您希望风险回报远高于1.0。记住，你获得的投资组合收益远远超过你的投资组合承担的风险。因此，当您考虑建立投资组合时，请始终关注这种关系，以帮助最大化投资组合中的最佳风险调整回报。

放在一起。

构建多元化投资组合时，需要记住以下三点：

1.避免用高度波动的股票填充过多的投资组合。

2.股票之间的强相关性可能会带来额外的风险。

3.在接受投资组合的波动性时，请考虑风险收益率。

建立多元化投资组合后，下一步是将这些规则应用到您的投资组合中。通常，您的经纪人会为您提供某种软件来构建您的投资组合，但大多数功能都是基本的，无法提供找到最佳投资组合的正确工具。不幸的是，这使得微软excel和软件工程解决方案成为唯一可行的选择。我们最喜欢的软件工程解决方案是用R和Python编写的，但是运行优化解决方案可以用许多编程语言来完成。

AI如何适应？-为什么要有人关心？

这可能令人震惊，但我们上面概述的所有练习的可预测性或多或少是没有价值的。更疯狂的是，华尔街的大多数机构投资者都在使用我们都知道是错误的基本数学解决方案。我们上面概述的问题是它是向后看的，并且它是基于过去的表现。你可能听说过“过去的表现不代表未来的表现”。在这种情况下，看过去的价格表现并不能让我们对股票的未来表现有任何了解：这是一场前后的争论。从中心右侧进入我们的AI资产配置模型。

AI资产配置模型(尤其是AI聚类模型)可以帮助基于多种因素(本文不涉及)做出更稳健的“前瞻性”预测。

股价将如何变化。但是，最终结果始终是更稳定的投资组合，因为进入计算的输入是前瞻性的。让我们看一下我们最喜欢的AI资产分配模型之一，即Hierarchical Risk Parity，以了解其工作原理。

AI资产分配模型如何工作？

首先，我们通过测量不同相关之间的绝对距离来考虑相关性以及不同相关对之间的差异。通过这样做，算法开始理解这些差异如何聚集在一起。我们重复此步骤，直到剩下一个大群集为止。然后，我们回溯之前的步骤，并根据每个集群内的差异将权重分配给不同的股票。为了更好地理解非线性关系，这些聚类按重要性(层次结构)进行排列。就像那样，我们有一个投资组合分配，它最能代表我们最大的赌注，可以最大限度地提高我们的回报，并通过考虑非线性关系，而不仅仅是基本线性关系，将未来期间的波动率降至最低。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。 标签:股票市场AI

---

免责声明： 本文由用户上传，如有侵权请联系删除！

---

标签：