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。