投资组合构建模型
投资组合构建模型的目标是决定将要持有的投资组合。配置投资组合中不同资产的数量，这一过程大部分基于期望回报、风险控制和交易成本之间的平衡。
量化投资组合构建模型有两种主要形式：第一类基于规则。规则化的投资组合构建模型基于直觉，可能极其简单也可能相当复杂。第二类量化投资组合构建模型是采用最优化工具。最优化工具使用算法来寻找最佳的路径以实现目标，算法就是一组帮助使用者从起点走到期望的终点的一系列规则。这个目标就是目标函数，对于经典的最优化工具来说，目标函数的一个例子就是寻找单位风险下回报尽可能最大的投资组合。在细节繁杂的情况下，最优化工具可能更难于理解，但是其本质概念是直接明了的。
投资组合构建模型可以有四种规则：相等头寸权重、相等风险权重、阿尔法驱动的权重以及决策树权重（模型）。前两者是最简单的且它们的核心是等权重，区别仅在于权重的对象不同。阿尔法驱动的投资组合构建模型大体上依靠阿尔法模型来提供有关正确的头寸规模和投资组合构建方面的指导。决策树依据一系列特定规则的顺序来决定头寸规模，可能十分简单，也可能惊人的复杂。
交易系统包含3个模块——阿尔法模型、风险模型和交易成本模型。这3个模型构成投资组合构建模型的输入变量，而投资组合构建模型与执行模型又相互作用。投资组合构建模型利用阿尔法模型、风险模型和交易成本模型的结果作为输入变量，主要在追求利润和控制风险、交易相关成本间进行平衡，从而确定最佳的投资组合。比如，在相等权重模型中，根据交易成本模型发现，特定金融产品太贵而无法交易，那么就会存在对相等权重的约束。显然，投资组合构建模型和“黑箱”的其他部分之间互动的特性，完全取决于投资组合构建模型的类型。例如，根据风险控制模型给出的约束，在利用风险控制模型的方式上，决策树模型可能采用完全不同于主要依赖阿尔法模型的投资组合构建模型所采用的方式。
总而言之，基于规则的投资组合构建模型可能极其简单或者十分复杂（如多层决策树）。它们的共同挑战都是如何解释驱动它们背后的经济原理和规则的合理性。
参考资料
《打开量化投资的黑箱》里什·纳兰(Rishi K.Narang)
