内容简介AI 指数增强模型,直接利用指数成分股的某种组合来跟踪目标指数的收益序列,实现了复制指数的同时产生一些超额收益。该模型直接利用基础资产的组合与目标组合经验跟踪误差(ete)最小的方法,通过优化技术得到模仿组合权重。
本文以计算机(申万)指数为例,探究其在季度调仓下的经验跟踪误差目标函数组合(ete)的表现,提供2015 年及2019 年以来该策略建议下的组合回测效果展示,并给出最新比例建议。模型理论及构建的技术细节请参见之前研报《“指数增强”新思维——人工智能+传统金融》。
回测效果取计算机(申万)指数(801750.SI)作为目标组合,季度调仓下的经验跟踪误差目标函数组合(ete)回测显示:在较长回测期内(20150105-20191122),不同权重上限下,模仿组合都能有更好的收益及风险表现。以权重上限为5%的模仿组合为例,在收益方面,该组合年化收益率达到13.72%,同期计算机指数的年化收益率为6.06%。在风险方面,该组合的最大回撤为59.76%,均远小于跟踪指数(70.92%)。夏普比上,该组合的夏普比为0.35,同期计算机指数的夏普比为0.16。2019 年以来,该模仿组合的累计收益率达到45.60%,较同期计算机指数(41.31%)有4.29%的超额收益。
不同参数下的模仿组合中,每期用于复制指数的股票数量在40 只左右,远小于计算机(申万)指数所包含的成分数量(210 只)。说明该策略可以凭借少量股票实现指数的复制,并有一定的超额收益。
组合构建依据“指数增强”AI 算法,我们给出了当下以计算机(申万)指数作为目标组合,不同权重上限下(w=5%、8%、10%)的股票配置比例建议。客户可以直接在网页端APP 点击鼠标使用该模型自行计算配置比例。