用ETF做大类资产配置，夏普比1.84，附源码

原创文章第78篇，专注“个人成长与财富自由、世界运作的逻辑， AI量化投资”。

财富自由与价值、专家有深刻的关联。成为专家，做生产者。

专家与专注，深度思考，长期主义关联。

成为对别人有用的人，成为别人信赖的人；信赖等于信任加依赖。为何信任你，因为你给人的预期稳定。信任久了，你都能摆平事，那就养成依赖。

创造价值的人，一定能得到回报。

01 AI量化起步

不要匆忙搞一个策略，有些事情在起步的时候需要想清楚。

从哪里开始？时间序列数据最容易获得，提取特征也比较容易，策略的思路也很直观；而时间序列里，又以动量类模型最简单，更为关键的是，它真的有效！

期货里的CTA有多空，有杠杆，比较适合小资金练手，但千万要知道自己在做什么，能承受多少风险。

股票多因子是比较复杂的，需要的金融财务知识基础也不少。

底层资产的选择非常重要，90%以上的波动由大类资产决定。

02 大类资产配置

投资应该从大类资产配置开始，这应该是为数不多的“确定性”之一。

另外一个确定性就是免费的午餐——分散可以在不减少收益的情况下，显著降低波动率和回撤。

如上8支ETF，进行大类资产配置，超大盘的上证50，行业的消费和医药，美股的纳指，招商双债和城投债以及国债。

from engine.datafeed.datafeed_csv import feed
from engine.bt_engine import BacktraderEngine
from engine.strategy.stragegy_algo import StratgeyAlgo
from engine.strategy.algos import *
from datetime import datetime

if __name__ == '__main__':
    codes = ['159928.SZ', '510050.SH', '512010.SH', '513100.SH', '518880.SH', '511220.SH', '511010.SH',
             '161716.SZ']
    weights = [0.03, 0.06, 0.08, 0.05, 0.1, 0.32, 0.26, 0.09]

    e = BacktraderEngine(start=datetime(2016, 1, 1), end=datetime(2020, 12, 31))
    for code in codes:
        e.add_arctic_data(code)

    algos = [
        RunOnce(),
        SelectAll(),
        WeightFix(weights)
    ]

    e.cerebro.addstrategy(StratgeyAlgo, algos=algos)
    e.run()
    e.analysis()

年化8.7%，最大回撤5.59%，同期沪深300最大回撤33%。

大类资产配置未必能显著带来收益率增长，但可以有效降低波动。

这是理财世界里的确定性。

季度再平稳，每个季度1号再平衡一次，把仓位恢复成原来的样子。

积木式的开发，只需要改动一个代码，特别容易。

把RunOnce改成RunQuarterly。

codes = ['159928.SZ', '510050.SH', '512010.SH', '513100.SH', '518880.SH', '511220.SH', '511010.SH',
         '161716.SZ']
weights = [0.03, 0.06, 0.08, 0.05, 0.1, 0.32, 0.26, 0.09]

e = BacktraderEngine(start=datetime(2016, 1, 1), end=datetime(2020, 12, 31))
for code in codes:
    e.add_arctic_data(code)

algos = [
    #RunOnce(),
    RunQuarterly(),
    SelectAll(),
    WeightFix(weights)
]

e.cerebro.addstrategy(StratgeyAlgo, algos=algos)
e.run()
e.analysis()

年化7.68%，最大回撤4.49%， 夏普提升到1.84。

对于大资金理财，这是一个有效的策略，可以作为一个基准。

小结：

大类资产配置作为量化投资一个入门和benchmark，是一个不错的选择。