Markowitz和效率前緣 | 投資組合理論效率前緣
隨著分散投資、資產配置的理念逐漸擴散,人們開始思考不同資產間的搭配方式,而這就是「現代投資組合理論」登場的時刻了。
投資, 配置, 資產配置, ...登入取消幫助中心Markowitz和效率前緣狂徒追蹤本文發佈於狂徒投資22021-07-17|閱讀時間‧約9分鐘作者已霧化此圖片,請斟酌點閱。
隨著分散投資、資產配置的理念逐漸擴散,人們開始思考不同資產間的搭配方式,而這就是「現代投資組合理論」登場的時刻了。
投資一定有風險,也一定有預期回報,所以我們需要先說好,什麼是「預期報酬」,什麼又是「風險」。
很輕鬆的,我們知道用「加權平均」(期望值)來計算組合收益。
而要描述組合波動,我們使用「變異數」(方差)。
1.假設台積電一年上漲100%(純粹舉例),蘋果一年上漲50%,那麼我各投資一半資金,就會得到75%的收益。
如果我有80%投資在台積電,20%在蘋果,則組合收益就是1×0.8+0.5×0.2=0.9,90%收益。
以上算式,就是加權平均的形狀。
作者已霧化此圖片,請斟酌點閱。
E:期望值(expect)W:權重(weight)R:收益(return)2.接下來,我們要處理所謂的組合波動。
我曾躺在遊輪上的游泳池中,感受到很特殊的晃動。
海浪讓船身搖擺,而船身又讓游泳池的水產生波動,所以當我閉上眼睛時,我能感受到兩者造成的協力晃動。
對於單一資產而言,波動很好算,單純就是收益的變異數(方差)。
可是當我們處理多類資產時,究竟要使用誰的方差呢?答案是,使用共同的變異數,也就是「共變異數」(協方差,covariance).作者已霧化此圖片,請斟酌點閱。
如果使用向量和矩陣來描述,形狀也一樣,但各細項我就不列出來了。
(協方差矩陣非常重要,是計算投資組合時好用的工具。
)作者已霧化此圖片,請斟酌點閱。
T:轉置矩陣(transpose)3.高中數學,在說共變異數的時候,會順便介紹「相關係數」,但它對於投資組合有什麼意義呢?作者已霧化此圖片,請斟酌點閱。
ρ:相關係數大家可以思考「主動降噪耳機」,它的原理是製造相反的聲波,刻意將噪音抵銷。
雖然無法做到完全靜音,但是效果也很顯著。
降風險,和降躁的精神一樣。
觀察股債組合,我們可以看到,股票和債券的走勢不同,而且有時候甚至相反。
用數學語言來描述,就是「相關係數」低。
作者已霧化此圖片,請斟酌點閱。
我簡單畫了一個極端的狀況,紅線和藍線雖然都有波動,但疊加在一起之後,組合出了一條無波動的直線(黑)。
也就是說,理論上我們如果找到相關係數很低(包括負值)的資產,就可以配出「無風險」組合。
當然,實際上不可能有這種完美組合,我們能做的只有盡量降低風險。
(事實上我只是畫弦波函數而已,和真實資產價格的走勢差異很大,也請先不要跟我說傅立葉。
)換句話說,基本上找相關係數低的不同資產配置在一起,會讓整體組合的波動降低。
4.回過頭來看協方差的性質,我們要來研究一下整個組合的變異數(方差)。
而為了方便證明,我先用兩種資產舉例。
作者已霧化此圖片,請斟酌點閱。
我們可以看到,Var(X),Var(Y)和Cov(X,Y)都是資產歷史表現決定的,而我們需要調整a,b的值,並期望讓整體波動Var(aX+bY)最小。
當我用未來的預期組合扣掉原本的組合時,只剩下Cov(X,Y)有變化,其它都會抵銷掉。
換句話說,我們只要想辦法把Cov最小化即可。
(嚴格來說應該是0.5Cov)5.接下來,我會寫出求解的方式,不想看的朋友可以往下跳一段。
引用上述的式子,並改寫成另一種表達形式。
作者已霧化此圖片,請斟酌點閱。
原始版本的限制條件,包括「不可做空」,也就是權重W最小只能是0,不過此處先不考慮。
另外,還有一個條件就是資金要全部打完,也就是每個權重W加起來要是1。
要處理這種帶有限制條件的極值,我們可以用Lagrange乘法,我一樣先用兩種資產來列式。
作者已霧化此圖片,請斟酌點閱。
作者已霧化此圖片,請斟酌點閱。
接著,我們用矩陣來處理它,最終可以在求出反矩陣的前提下,得到W的解。
作者
投資, 配置, 資產配置, ...登入取消幫助中心Markowitz和效率前緣狂徒追蹤本文發佈於狂徒投資22021-07-17|閱讀時間‧約9分鐘作者已霧化此圖片,請斟酌點閱。
隨著分散投資、資產配置的理念逐漸擴散,人們開始思考不同資產間的搭配方式,而這就是「現代投資組合理論」登場的時刻了。
投資一定有風險,也一定有預期回報,所以我們需要先說好,什麼是「預期報酬」,什麼又是「風險」。
很輕鬆的,我們知道用「加權平均」(期望值)來計算組合收益。
而要描述組合波動,我們使用「變異數」(方差)。
1.假設台積電一年上漲100%(純粹舉例),蘋果一年上漲50%,那麼我各投資一半資金,就會得到75%的收益。
如果我有80%投資在台積電,20%在蘋果,則組合收益就是1×0.8+0.5×0.2=0.9,90%收益。
以上算式,就是加權平均的形狀。
作者已霧化此圖片,請斟酌點閱。
E:期望值(expect)W:權重(weight)R:收益(return)2.接下來,我們要處理所謂的組合波動。
我曾躺在遊輪上的游泳池中,感受到很特殊的晃動。
海浪讓船身搖擺,而船身又讓游泳池的水產生波動,所以當我閉上眼睛時,我能感受到兩者造成的協力晃動。
對於單一資產而言,波動很好算,單純就是收益的變異數(方差)。
可是當我們處理多類資產時,究竟要使用誰的方差呢?答案是,使用共同的變異數,也就是「共變異數」(協方差,covariance).作者已霧化此圖片,請斟酌點閱。
如果使用向量和矩陣來描述,形狀也一樣,但各細項我就不列出來了。
(協方差矩陣非常重要,是計算投資組合時好用的工具。
)作者已霧化此圖片,請斟酌點閱。
T:轉置矩陣(transpose)3.高中數學,在說共變異數的時候,會順便介紹「相關係數」,但它對於投資組合有什麼意義呢?作者已霧化此圖片,請斟酌點閱。
ρ:相關係數大家可以思考「主動降噪耳機」,它的原理是製造相反的聲波,刻意將噪音抵銷。
雖然無法做到完全靜音,但是效果也很顯著。
降風險,和降躁的精神一樣。
觀察股債組合,我們可以看到,股票和債券的走勢不同,而且有時候甚至相反。
用數學語言來描述,就是「相關係數」低。
作者已霧化此圖片,請斟酌點閱。
我簡單畫了一個極端的狀況,紅線和藍線雖然都有波動,但疊加在一起之後,組合出了一條無波動的直線(黑)。
也就是說,理論上我們如果找到相關係數很低(包括負值)的資產,就可以配出「無風險」組合。
當然,實際上不可能有這種完美組合,我們能做的只有盡量降低風險。
(事實上我只是畫弦波函數而已,和真實資產價格的走勢差異很大,也請先不要跟我說傅立葉。
)換句話說,基本上找相關係數低的不同資產配置在一起,會讓整體組合的波動降低。
4.回過頭來看協方差的性質,我們要來研究一下整個組合的變異數(方差)。
而為了方便證明,我先用兩種資產舉例。
作者已霧化此圖片,請斟酌點閱。
我們可以看到,Var(X),Var(Y)和Cov(X,Y)都是資產歷史表現決定的,而我們需要調整a,b的值,並期望讓整體波動Var(aX+bY)最小。
當我用未來的預期組合扣掉原本的組合時,只剩下Cov(X,Y)有變化,其它都會抵銷掉。
換句話說,我們只要想辦法把Cov最小化即可。
(嚴格來說應該是0.5Cov)5.接下來,我會寫出求解的方式,不想看的朋友可以往下跳一段。
引用上述的式子,並改寫成另一種表達形式。
作者已霧化此圖片,請斟酌點閱。
原始版本的限制條件,包括「不可做空」,也就是權重W最小只能是0,不過此處先不考慮。
另外,還有一個條件就是資金要全部打完,也就是每個權重W加起來要是1。
要處理這種帶有限制條件的極值,我們可以用Lagrange乘法,我一樣先用兩種資產來列式。
作者已霧化此圖片,請斟酌點閱。
作者已霧化此圖片,請斟酌點閱。
接著,我們用矩陣來處理它,最終可以在求出反矩陣的前提下,得到W的解。
作者