稳健的绝对型收益策略：长期年化10.6%的风险平价策略（代码+数据）

一直说世界运行的逻辑，如何抽丝剥茧？

两个要素，一是科技，二是金融。科技代表先进的生产力，金融代表生产关系再分配。

两大要素成就这个星球上最强的帝国。

后续我们会着重从科技、金融的视角，去看待历史，立足当下，解读未来。

今天是星球每周发布代码和策略集的日子。

今天还要新增一个策略，在昨天风险平价策略稳健的绝对型收益策略：长期年化10.6%的风险平价策略（代码+数据）的基础上，加上波动率。

波动率是用户自己可以调节的，波动率高，预期收益就大，反之亦然。

在风险平价给出权重的基础上，计算预期波动率，若波动率太高，则等比例降低风险资产权重，反之提升。

这是波动率设定为7%的效果，策略更加稳健，夏普比得到进一步提升。

本地化运行界面：

class TargetVol(Algo):
    def __init__(
            self,
            target_volatility,
            lookback=pd.DateOffset(months=3),
            lag=pd.DateOffset(days=0),
            covar_method="standard",
            annualization_factor=252,
            exclude=[]
    ):
        super(TargetVol, self).__init__()
        self.target_volatility = target_volatility
        self.lookback = lookback
        self.lag = lag
        self.covar_method = covar_method
        self.annualization_factor = annualization_factor
        self.exclude = exclude

    def __call__(self, target):
        current_weights = target.temp["weights"]
        selected = current_weights.keys()

        # if there were no weights already set then skip
        if len(selected) == 0:
            return True

        t0 = target.now - self.lag
        prc = target.df_close.loc[t0 - self.lookback: t0, selected]
        returns = prc.pct_change().dropna()

        if len(returns) < 10:
            return True

        # calc covariance matrix
        # if self.covar_method == "ledoit-wolf":
        #    covar = sklearn.covariance.ledoit_wolf(returns)
        if self.covar_method == "standard":
            covar = returns.cov()
        else:
            raise NotImplementedError("covar_method not implemented")

        weights = pd.Series(
            [current_weights[x] for x in covar.columns], index=covar.columns
        )

        vol = np.sqrt(
            np.matmul(weights.values.T, np.matmul(covar.values, weights.values))
            * self.annualization_factor
        )

        # 波动率偏小
        count = 0
        if vol < self.target_volatility:
            while vol < self.target_volatility:
                count += 1
                if count > 10:
                    break

                mul = self.target_volatility / vol

                for k in target.temp["weights"].keys():
                    if k in self.exclude:  # exclude通常为债券等低风险
                        continue
                    target.temp["weights"][k] = (
                            target.temp["weights"][k] * mul
                    )

                weights = pd.Series(
                    [target.temp["weights"][x] for x in covar.columns], index=covar.columns
                )

                vol = np.sqrt(
                    np.matmul(weights.values.T, np.matmul(covar.values, weights.values))
                    * self.annualization_factor
                )

            if vol is float('NaN'):
                return True
            weights = pd.Series(
                [target.temp["weights"][x] for x in covar.columns], index=covar.columns
            )
            # print(target.temp["weights"])
            target.temp["weights"] = weights / weights.sum()
            # print(target.temp["weights"])
            return True

        for k in target.temp["weights"].keys():
            if k in self.exclude:  # exclude通常为债券等低风险
                continue
            target.temp["weights"][k] = (
                    target.temp["weights"][k] * self.target_volatility / vol
            )

        '''

        print(self.target_volatility[k] / vol,weights, new_weights)
        print(new_vol)
        '''

        return True

所以策略及系统代码已经打包发布，请大家前往星球下载更新：

【星球优惠券】AI量化实验室&财富自由践行社

“AI量化社群”更关心20%+以上的收益率，但需要承担超过20%的回撤风险。主要是AI算法，代码，因子与策略。

“财富自由社群”的理念是投资尽量不操心，账户自动运转，我们花更多心思在积累投资之外的本金上，以及真正实现财富自由之后都会做的事。（很多“吾日三省吾身“的成长反思），注意这里没有代码，也不谈代码，略谈投资，主要谈成长，赚投资与工资之外的钱。

小结

七年之约，只是开始。

践行长期主义。

万物之中，希望至美。

人工智能与金融投资，都是长坡厚雪，且还是为数不多，可以满足个人英雄主义情结的地方。

走，一起赶路吧。

原创文章第386篇，专注“AI量化投资、个人成长、世界运行的逻辑与财富自由“。

为了避免大家说后视镜，我选择的都是宽基：沪深300，创业板，纳指（如果你觉得纳指也不行，那可自行换成标普500，没问题吧），黄金，和城投债ETF。A股宽基，美股，商品（黄金）和城投债。

task = Task()
task._id = '5d19bad6-8423-11ee-9ff6-c858c0412ade'
task.name = '大类资产-风险平价'
task.desc = '股、债、黄金，美股大类资产风险平价'
task.symbols = ['510300.SH',  # 沪深300
                '159915.SZ',  # 创业板ETF
                '511220.SH',  # 城投债
                # '511260.SH',  # 十年国债
                '518880.SH',  # 黄金
                # '511880.SH',   # 银华日利
                # '513500.SH',  # 标普500
                '513100.SH',  # 纳指100
                ]  # 证券池列表

task.template = '大类资产配置'

task.weights = 'WeightERC'
task.period = 'RunMonthly'
task.benchmark = '510300.SH'
print(asdict(task))
return task