Strata Optimiser
配置
两只证券，一个模型。
最小波动率 · Raw 模式
- A 的波动率
- 20% / 年
- B 的波动率
- 30% / 年
- 相关性
- 0
模型权重
证券 A69.2%
证券 B30.8%
总配置100%
虚构证券。不含 Practical 模式的惩罚项。
Raw 模式 · 说明性模型
另一项约束一项限制，改变配置结果。
从证券列表到模型
选定证券，设定条件，查看结果。
使用你选择的证券开展计算。初期覆盖美国上市股票与 ETF；无需关联投资账户或提供账户余额。
建立证券池
输入或导入证券代码与公司名称，核对匹配出的证券，再保存列表。
设定计算条件
选择目标、历史数据窗口与配置限制。需要更细致的控制时，可展开高级假设。
查看配置
查看合计为 100% 的模型权重，阅读假设，再调整输入进行下一次计算。
一项限制，另一种结果
权重设有上限，会发生什么？
假设两只虚构证券的年化波动率分别为 20% 与 30%，相关性为零。计算在仅做多且权重合计为 100% 的条件下，最小化估计方差。
示意模型无额外上限
原始模式最小方差
证券 A69.2%
证券 B30.8%
示意模型权重上限：60%
输入不变，新增一项限制
证券 A60%
证券 B40%
约束不同，配置结果也随之改变。这并不能确定哪种投资组合适合某位投资者。
本例采用原始模式最小方差，不含实用模式惩罚项。第一组显示结果由 69.230769% 与 30.769231% 四舍五入得到。这些是假设模型的输出，并非预测。
不只看权重
理解模型得出了什么。
估计、限制与数据和结果一同呈现，才便于解读结果。
- 配置与解读
- 查看按大小排列的权重、零配置及影响计算的限制。列表中的某只证券可能不会获得权重。
- 估计特征
- 结合定义与估计依据，阅读估计波动率、回报与风险调整后回报。这些是模型估计，并非实际结果。
- 参考配置对照
- 将结果与等权重及波动率倒数加权的参考配置进行比较。应用会标明它们在限制条件方面的相关差异。
- 假设与可用数据
- 检查日期、估计方法与警示。在使用缩减后的列表继续计算前，先核对因历史数据不足而被排除的证券。
- 保存结果与导出
- 在本地重新查看最近一次成功计算的结果，离线时也可查看。可导出配置 CSV，或包含原始计算背景的完整结果 JSON。
选择要回答的问题
简单起步，假设随时可查。
默认目标是最小波动率。其他目标会引入回报估计或目标值，因此假设同样值得关注。
了解五种计算目标
- 最小化波动率
- 在所选限制与已展示的惩罚项下，寻找使估计投资组合波动率最低的权重。
- 最大化风险调整后回报
- 使用所述无风险假设，寻找相对于波动率最高的模型超额回报。
- 设定波动率目标
- 在估计波动率限制内，寻找最高的模型回报。该限制并非最大可能损失。
- 设定回报目标
- 在满足假设回报门槛的同时，寻找更低的估计波动率。该门槛并非回报承诺。
- 自定义风险与回报的权衡
- 设定模型在估计回报与方差之间的权衡强度。
了解高级控制项
查看回报与风险估计方法、权重上下限、获配证券数量上限及分散化偏好。相关假设会随所选目标一同呈现。
实用模式会加入其展示的限制与惩罚项。原始模式会移除自动惩罚项。应用不会为了得出结果而在未告知的情况下放宽明确设定的约束。
继续探索
理解配置背后的数学。
Strata Optimiser 处于规划阶段。模型权重用于辅助分析，不构成个性化投资建议或交易指示。