分层风险平价：基于图论和机器学习的新资产配置方法（附代码）

标星★置顶公众号 爱你们♥ 编辑：1+1=61前言风险平价是构建多样化和均衡投资组合十分流行选择。众所周知，大多数资产类别的未来表现很难预测。 通过仅使用资产的风险特征和相关矩阵构建投资组合，风险平价方法克服了这一缺点。Lohre、Rother和Schafer三位作者在经典风险平价基础上，提出了分层风险平价。他们的方法是：
利用图论和机器学习来构建投资领域的层次结构。这种结构可以更好地将资产/因子划分为具有相似特征的集群，无需依赖经典的相关性分析。
这些投资组合提供了更好的尾部风险管理，特别是对skewed资产和风格因子策略。
下面我们就来看看这篇论文的主要内容。
2正文解读Hierarchical risk parity: Accounting for tail dependencies in multi-asset ( 点击阅读全文 )

→ 免费下载App，立即成为ETF达人