解析 AI 決策的重要指標 — Growin RORO index

作者:C.Y| 數據來源:Growin 量化團隊| 圖片來源:Yuting

在進行投資時,判斷景氣信號是相當重要的一環,Growin 量化團隊致力於研究以量化的方式刻畫市場狀態,進而將量化後的數據提供給 AI 演算法使用,提升 AI 對市場後續走向的預測能力。

此篇文章主要介紹我們研發用來預測美國市場後續發展的 Growin RORO index,此指標的想法參考匯豐銀行所提出的 RORO index,並透過團隊實務經驗進行修改調整,後續將會有此方法詳細的介紹。

閱讀全文

Black-Litterman 模型介紹

作者:C.Y | 數據來源:Growin 量化團隊| 圖片來源:Yuting / unsplash.com

著名的 Markowitz 模型利用資產的預期收益及風險來配置最佳化投資組合,但在實務上的應用卻有 (1) 配置過於集中(Black and Litterman (1992))、(2) 對輸入參數過於敏感(Best and Grauer (1991))及 (3) 估計參數誤差過大(Michaud (1989))等問題,使得該模型在市場上並未得到青睞。在 1992 年,由 Fisher Black 和 Robert Litterman 提出 Black-Litterman 模型(下述簡稱B-L 模型)(Black and Litterman (1992)) 基於Markowitz 模型進行修正,大幅降低了上述問題並且加入投資人對資產的預期觀點,使得模型更貼近實務使用。

閱讀全文