algorithm - 当可能性巨大时，投资组合软件如何如此快速地生成他们的投资组合建议？

Question

就目前而言，这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持，但这个问题可能会引起辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开，visit the help center为指导。




9年前关闭。




我希望这不会被关闭，因为它与我无法弄清楚的算法有关(它也很长，因为我对它是如何完成的感到很困惑)。基本上很多年前我曾经在共同基金工作，我们使用不同的工具来选择优化投资组合以及对冲现有投资组合。我们将获取这些结果并进行自己的修改，然后将它们出售给客户。在我的公司缩小规模后，我决定尝试一下(创建软件并包括我的自定义)，但我不知道如何为软件实际生成组合。

经过 6 个月的尝试，我接受了我的方法是不可能的。我试图使用 Knuth 书中的组合算法，以及做 bit尝试在纽约证券交易所(5,000 多只股票)上找到所有可能的投资组合(我将其限制为 30 只股票)。但是按照我与之交谈的每个人，这将花费我数十亿年的时间才能获得一天的结果(对我来说，在 GPU 上我在连续处理 2 天后停止了它)。

那么我错过了什么？我们将进入我们的风险承受能力和市场观点(股市增长预期、通胀预期、联邦基金预期等)，它会在几秒/分钟内为我们提供理想的投资组合(理论上......)。有成千上万种可能性和千万种可能的股票权重组合，他们如何能够如此快速地(甚至根本计算不出)计算结果？作为系统管理员，我知道我们每天下载一个文件(小于 100 mb 并加载到 mssql 数据库中，可能只是市场数据..所以它不像我们有所有可能性。使用我上面的方法我会得到 5 gig我的版本的 Knuth 组合算法一分钟内创建一个文件)并且应用程序脱机工作(所以它一定是在台式机/笔记本电脑 cpu 上本地运行，而不是在某处的大型 super 计算机上运行，​​并且需要一两分钟才能运行..15对于包括世界上所有股票的全局基金来说，分钟是最长的)。这太令人困惑了，因为他们的工作需要整个基金的相关性(我不认为他们只是发送他们预先计算的顶级股票，因为每个人得到的结果不同)。因此，如果我想要一只 30 只股票基金，它给我 2% 的返回并且与市场呈负相关，并且对冲了 60%，那么该软件怎么能如此迅速地从数十亿种可能性中生成该投资组合？请注意，我不是在问数学或金融部分，我是问它如何能够从整个市场中产生 30 只股票并提供 2% 的返回，而为了做到这一点，它需要知道所有 30 个股票投资组合(仅此一项就可以运行数十亿年，对吗？其他限制使它变得更加复杂)。

那么这是如何以编程方式完成的呢？我开始相信他们没有使用 Knuth 的组合算法来生成所有可能性，但他们的结果似乎不是随机选择的，单独选择股票似乎错过了相关性部分。这么多投资软件怎么能搞成这样？

Answer 1

这样的算法几乎肯定不会产生所有可能性 - 正如您正确地观察到的那样，这是不切实际的。

然而，使用其他技术可以很容易地进行投资组合选择，这些技术会给您一个很好的答案。最有可能的两个是:

如果您对风险/返回做出简化假设，您可以在数学上求解最佳投资组合(有关某些数学知识，请参阅 http://en.wikipedia.org/wiki/Capital_asset_pricing_model)

对随机样本组合进行变异/交叉操作的遗传算法会很快找到一个很好的解决方案。您可以将其与 Monte-Carlo 风格的建模方法结合起来，以了解可能结果的范围。

就我个人而言，我可能会建议使用遗传算法方法——虽然它在数学上不是那么纯粹，但它会给你很好的答案，并且应该能够很容易地处理你想要施加的任何限制(例如投资组合中的最大股票数量)