摘要：

• 本文以一个包含五个资产的研究投资组合来演示 AiLA 的配置流程。
• 按照 AiLA 指数方法论 [Method]，该投资组合可随时持有多头或空头资产配置。
  [Method]：产品 - 方法论，https://www.ailaindices.com/strategies.php
• 本案例研究试图回答以下问题：
  • 是什么驱动了某一资产在特定时点的多头/空头配置？
  • 是什么驱动了已投资头寸的退出时机？
  • 是什么决定了对某一资产的配置规模？

资产配置决策

• 使用 ML 模型在单个资产层面识别配置机会，例如 WTI 3 月合约和 12 月合约分别建模。
• 生成多头或空头配置信号，其入场和退出时间取决于单个资产的预期风险/回报。

入场决策

• 当 ML 模型预测多头或空头配置存在有利的风险/回报机会时，即确定资产配置入场。
• ML 模型的预测基于由基本面数据及市场价格数据生成的特征，例如包括以下数据：
  • 季节性：月份、年份、一年中的第几周/第几个交易日。
  • 价格：不同合约和市场的开盘价/收盘价/最高价/最低价。
  • 基本面：大宗商品产量/进口量/库存、宏观指数、汇率、CFTC 交易商持仓报告。

退出决策

• 配置将一直保持，直至满足以下退出标准之一。
• 1. 预期继续投资的机会很小。
• 2. 自投资开始以来触及风险目标。
• 3. 自投资开始以来达到回报目标。
• 4. 模型基于特征数据给出相反方向的机会。
• 上述标准中，只有退出标准 (4) 取决于特征数据

示例：6 月黄金 (CME) - 多头配置

2022-04-13：入场决策

• 基于 38 个特征预测出有利的风险/回报

（* CFTC CoT NCNC = CFTC 交易商持仓报告（Commitments of Traders）中的非商业净持仓合约数）

2022-04-21：退出决策

• 自投资开始以来触及风险目标

投资组合配置权重

• 投资组合权重以占投资组合总配置的百分比表示。
• 由投资组合方法论基于上游资产层面的配置机会信号确定。
• 示例投资组合：7 月大豆、6 月铜、6 月黄金、Cal TTF 和 6 月 WTI。
• 投资组合目标：每个资产权重均为 20%，但允许单个资产权重最高达 100%。

机会主义配置

• 2022-03-23：黄金、铜和大豆出现配置机会，权重升至 20% 以上，导致系统配置了 94.1% 的资本。
• 2022-05-16：TTF 是唯一存在配置机会的资产，但流动性约束使其无法达到 20% 的权重，导致系统仅配置了 6% 的资本。
• 2022-05-17：TTF 机会结束，系统因此决定退出 6% 的 TTF 多头权重。

机会数量的变化

• 有效资产数量较多（较少）的时期，单个资产权重往往较小（较大）。