量化交易策略
了解 Cover 的通用投資組合算法
我正在嘗試實施受斯坦福大學 Cover 教授論文啟發的通用投資組合算法策略。
目前我正在嘗試理解算法的底層邏輯。我的目標是使用 8 只 ETF（分為 3 類：股票、固定收益和商品）來實現算法，以代表“市場”。
我的理解是，該策略基於歷史收益，使用每種可能的權重組合評估每個可能的投資組合，併計算每個組合的收益。
那麼通用投資組合是所有這些可能的投資組合的加權平均的投資組合，由它們的表現加權。
為了實現這一點，這裡是我的步驟的摘要：
- 收集價值 1 年（252 個交易日）的歷史價格
- 計算百分比回報
- 在這個階段，我將計算所有投資組合的財富積分以產生權重
在這個階段，我有點迷茫 - 我將如何得出每種資產的權重以重新平衡投資組合？
是否有任何直接的捷徑來計算權重？（作為參考，我計劃在 Python 中實現它
謝謝 ：）
參考論文：
權重可以是幼稚的，也可以針對某些指標或您的選擇進行優化。如果您的加權方法是任意/幼稚的，那麼一年的數據可能就足夠了。以下連結中的範例分別使用 40/40/20 的股權/債券/黃金權重。
但是，如果您正在優化某些東西（Omega、Sortino、Sharpe 或任何其他指標），您可能希望使用超過一年的數據得出加權結論——正如@AlexC 在評論中所暗示的那樣。
下面的連結應該有助於 Python 實現。該程式碼不是我的，我根本沒有測試過程式碼，但它標記得很好，下面的評論中有一些有用的資訊。