投資組合優化及分析

投資組合經理必須快速地回應市場變化,並將投資組合衡量指標傳達給客戶。使用MATLAB,投資組合研究團隊可分析和測量投資組合、建立策略原型並進行回溯測試,處理速度比使用 C++ 等傳統程式設計語言更快。策略經過驗證之後,研究及開發人員之後可以將其分析結果、策略及模型加入應用程式中,提供予投資經理和客戶使用。

投資組合風險與投資報酬量化分析
MATLAB 可以讓您即時地獲得資訊、比較投資組合並進行組合評比(benchmarks)、將績效歷史繪成圖表進行視覺化,並指出最近的交易成果。您可以使用預先設立的投資組合分析和優化功能來量化風險和投資報酬。通過 MATLAB 和相關工具箱,投資組合研究團隊可以進行以下工作:

  • 從價格或報酬資料對資產投資報酬和總報酬率進行估計
  • 執行均值-方差分析(mean-variance analysis)以產生最佳投資組合
  • 可指定目標和約束值以解決自訂優化的問題
  • 資本分配
  • 計算投資組合層級的統計資料並將其視覺化製成圖表
  • 可使用全域優化方法(如遺傳演算法)來構建並跟蹤各項指數

使用 MATLAB 開發投資組合優化模型 (Webinar)

   

均值-方差效率前緣範例 (Example)

快速對投資組合策略進行回溯測試
若要測試及增強投資組合管理策略,您可以執行回溯測試(backtests)與敏感度分析,比如檢查利率變化對債券投資組合的影響。使用 MATLAB 您可以快速構建回溯測試引擎進行下列工作:

  • 取得資料庫如Excel®,以及 FactSet、Bloomberg 和 Thomson Reuters 等資料提供商的資料
  • 處理遺失的數據資料
  • 進行假設(what-if)和場景分析
  • 評估最高的提款
  • 檢查高效投資組合分配的時間演化
  • 執行參數掃描回溯測試以優化投資組合策略的輸入值

Robeco 開發定量選股和投資組合優化模型

   

開發投資組合優化模型


Robeco
我們的複雜計算必須依賴於大量的疊代和龐大的數據,這可不是一個計算表格就能完成的事。透過使用MATLAB,我們可以有一個計算平台,輕鬆地執行這些計算、進行模型開發和測試策略,同時最後將這些分析結果,轉檔部署成量化的工具提供給我們的投資組合經理和風險經理。
閱讀本文

利用平行運算提高優化效能
使用 MATLAB的平行計算工具,解決密集計算的優化問題和只用單核心處理器相比,所用的時間可以大大縮短,您可以定義您的投資組合目標以及回溯測試策略,並將運算任務分配到多個計算節點,而您無需或僅需修改少量的MATLAB 程式碼。

EIM 集團開發量化工具以進行對沖基金投資組合管理