問題：

• 以 ML 為基礎的 AiLA 配置，源自於在當時市場狀況下所辨識出的機會。
• 因此，已配置資本的比例可能隨時間大幅且快速地變動。
• 我們能否強制指數將其配置比例維持在特定區間內？
• 這對績效的相應影響為何？

研究方法：

• 以一檔基於 102 項精選資產、採用純多頭（LO）配置的 AiLA 指數說明其影響；此類指數的配置比例往往隨時間變動較大。
• 依據調整有效訊號所對應的持有期間，並考量合約到期日，實作配置區間功能。
• 評估此類配置區間條件對績效影響的程度。

• 配置比例受到指數建構過程中各種限制條件與目標的影響。
• 然而，配置次數往往是決定所配置資本多寡的主要因素，而配置次數又取決於 ML 模型辨識機會的能力。
• 這導致某些期間交易機會較少，因而配置比例偏低，並隨狀況變化而改變。
• 為進行比較，透過下列方式強制將配置比例維持在特定（最小／最大）區間內：
  • 強制在系統認定為最佳的天期組合之外進行配置。
  • 必要時調整持有期間。
  • 在具有訊號的合約中，依到期日排定優先順序。
• 此方法論並非預期在任何方面達到最佳，而是作為對此類功能影響的初步評估。

• 本研究針對不同的配置比例區間（亦即介於最小值與最大值之間）檢視指數績效。
• 強制指數維持最低配置比例會明顯降低績效，例如要求配置比例維持在接近 100% 的區間，會使績效減少約一半。
• 以風險調整後的基礎而言，AiLA 指數的績效：
  • 高於 GSCI／BCOM 等標準指數。
  • 然而，隨著配置區間趨近 100%，與 GSCI／BCOM 的相關性隨之上升。
  • 相關性通常由約 60%（AiLA LO）上升至將近 80%（100/100）。
• 由於以 ML 為基礎的 AiLA 訊號具有伺機而動的特性，強制系統偏離其特定交易建議以維持較高的配置比例，會使績效顯著下降。

• 本研究在 AiLA 指數架構中，實作了一種將已配置資本比例維持在最小／最大區間內的方法。
• 此功能用於研究其對一檔基於 102 項精選資產與純多頭訊號之 AiLA 指數的預期績效影響；此類指數的配置比例往往變動最大。
• 此方法論絕非最佳，但似乎適合用於在整體層面評估其影響。
• 當強制系統將配置比例維持在逐步收窄並趨近 100% 的區間內時，AiLA 指數的績效結果顯著下降。
• 以風險調整後的基礎而言，AiLA 指數績效大致高於 GSCI／BCOM 指數，然而隨著配置區間收窄並趨近 100%，正相關性由約 60% 上升至 80%。
• 結果顯示，當系統為維持較高配置比例而被迫偏離其特定交易建議時，以 ML 為基礎的 AiLA 訊號所對應的績效會顯著下降；這是可預期的，因為這些訊號具有伺機而動的特性，其底層模型試圖在當時市場狀況下辨識交易機會。