组合管理在中美股市回测的一些有趣结果的分享

这篇帖子是对最近做的一些关于贝叶斯State Space模型在中美股市上回测结果的分享。因为各种限制，我没有办法贴上任何的图表，只能做一些文字性的简介，有兴趣的可以跟帖聊天交流。

1. 中美股市差别明显的。虽然使用的数据时间段不一样（美股SP 500 2003到2013，中国CSI 300 2015到2020，频率为日级），但在Mean Variance回测中，中美股市的风险系数明显不一样。美国股市偏向于Minimum Variance，而中国股市倾向于Maximum Return（风险系数是100和0.1这样的量级差异）。以后有机会会再用新的数据把美故再跑一次。
2. 以沪深300从2014年开始连续上市的234只成员股为基础，不打开卖空时，使用0.0001的风险系数，夏普比率可以达到同期指数的两倍以上，比235只股票等权重组合高30%以上（交易成本单计）；含交易成本的情况下，夏普比率也可以比指数高80%。因为没找到CSI 300等权重指数，所以没办法和没有Suvivor Bias的等权重组合进行业绩比较。
3. 打开卖空时，如果设定单只股票的卖空限制为整个组合的0.1，那夏普比率表现可以达到指数的5倍（成本单计）和3.5倍（包含成本）。

总的来说，虽然是比较粗的跑了下，但结果比我预想的好，在非卖空的情况下仍然可以大幅战胜等权重组合，结果是不错的。

对股票收益和风险的预测是通过贝叶斯State Space模型做的。我个人认为Bayesian SS模型最大的优点就是效率，因为可以用Kalman Filter和并行计算。那是否这类模型适合用来做高频数据？有人做过的话可以谈谈这方面的经验吗？

欢迎各种意见和看法。