NNagi
DOSSIER · No.345

动量+均值方差

先挑近半年最强的几类资产,再把动量当预期收益做均值方差优化。

仍有效 资产配置与风控 数据 A 级 月度调仓
是否仍有效(策略本身)
仍有效

发表后和最近三年的风险调整收益都仍为正

是否跑赢基准(10 类资产等权(1/N 月度再平衡))
跑赢基准

论文发表后,夏普比率 0.73 对比 0.60;年化收益高于基准。

「仍有效」只说明策略没有失效,不代表比基准更好,也不构成任何建议。2026-10-19 更新。
来源论文:Adam Butler, Michael Philbrick, Rodrigo Gordillo (2012). Adaptive Asset Allocation: A Primer. SSRN Working Paper.

原理

本策略是「自适应资产配置」(编号 33)的变体:只把定权重的方法从最小方差换成均值方差。33 的思路分两步:先用过去 6 个月的动量从 10 类资产里挑出最强的 5 个,再用近期协方差求这 5 个资产的最小方差组合。最小方差只看风险、完全不看预期收益,这是有意为之——收益最难估计,干脆不用。

但动量本身就是一个关于收益的信号:既然已经相信“过去半年涨得多的资产接下来更可能继续涨”,那为什么在定权重时又把这个信息扔掉?本策略只改这一处:第二步从最小方差换成均值方差,把各资产的动量(年化)当成预期收益,和协方差一起求“只做多、满仓、夏普比率最高”的组合。这样,动量更强、波动更小、彼此相关性更低的资产会拿到更多权重。

这是业内常见的扩展做法,但也有一个众所周知的风险:均值方差对预期收益极其敏感,容易把几乎全部仓位压在一两个资产上。它想检验的是:用动量估计收益,带来的额外信息能否抵消估计误差和集中度的代价。基准为 10 类资产等权组合,另附同期复算的 33 最小方差版本,直接比较“最小方差 vs 均值方差”这一处差异。

封

以下内容仅对会员开放

这份卷宗剩下的部分已封存。

  • 含成本的完整回测与净值曲线
  • 论文发表前后、最近三年分段对比
  • 逐条交易规则与结果解读
  • 可直接运行的 Python 代码下载
注册并解锁
已有账号?登录
在闲鱼搜索「nagi 」,下单后自动发送激活码

历史回测不代表未来收益,仅供学习研究,不构成投资建议。