AI如何把握调仓时机
市场并非一成不变：风险偏好起伏，波动率变化，原本“最优”的资产配置也会逐渐偏离。论文Smart Tangency Portfolio: Deep Reinforcement Learning for Dynamic Rebalancing and Risk-Return Trade-Off (2025)探讨的核心是，如何让算法不仅决定“买什么”，还能学会“承担多大风险、何时进行再平衡”。
主要亮点
• 论文融合了深度强化学习与传统组合优化，AI并非直接决定资产权重。
• 智能体同步学习风险厌恶程度及下一次再平衡的等待时长。
• 在对美国12只行业ETF和28只道琼斯成分股的滚动样本外测试中，该动态策略整体优于静态切点组合与市场基准。
• 研究表明：AI在投资中的价值，不仅在于预测涨跌，更在于管理“何时冒险、何时调整”。
传统均值—方差模型的逻辑很直观：在可选资产中，寻找收益与风险配比最合适的组合；若以夏普比率最高为目标，就能找到所谓的“切点投资组合”。
问题在于，这个“最优点”通常基于历史数据估算。但市场的波动、资产相关性、流动性乃至政策环境都在变化，投资者也未必应始终维持同一种风险偏好。
固定频率调仓同样有局限：行情平稳时，频繁调整可能徒增交易成本；市场剧烈波动时，长期不动又可能让组合偏离原先的风险目标。
因此，作者把组合管理拆解为两个更具经济含义的问题：此刻该选多激进的风险档位？下一次应该隔多久再平衡？
该论文的设计与许多“AI直接输出仓位”的方法不同。强化学习智能体并不直接说“某只资产配多少”，而是输出两个控制变量：风险厌恶水平，以及下一次调仓前的持有期限。
前者决定组合在有效前沿上的位置：风险厌恶程度较低，可以理解为更防御、更强调控制波动；数值较高，则代表愿意追求更高预期收益。后者的范围为5 至 60 个交易日，短周期意味着更快响应市场变化，长周期则意味着更少交易、更低摩擦。
随后，传统优化器在“仅做多、资金全额投入”等约束下，计算出最终权重。换句话说，AI负责像驾驶员一样判断路况和车速，优化器则负责确保车辆仍在规则允许的道路上行驶。
论文使用 PPO 与 A2C 两类演员—评论家强化学习算法，并把方差、半方差和 CVaR 三种风险度量分别纳入组合优化。方差把上涨和下跌波动一视同仁；半方差更关注跌破目标后的波动；CVaR 则进一步盯住极端亏损情景下的平均损失。
图中上半部分展示组合权重随时间变化，下半部分展示智能体选择的风险厌恶指数与调仓窗口。它反映的不是“永远押注同一方向”，而是随市场状态调整风险与节奏。
论文在两个美国资产池中做滚动样本外评估。第一组是12 只行业 ETF，日度数据覆盖2003—2023 年，样本外测试从2007 年开始，基准为 SPY。
第二组是28 只道琼斯工业平均指数成分股，日度数据覆盖2005—2023 年，样本外测试从2011 年开始，基准为 DIA。为保证跨期比较一致，研究保留了具有连续历史数据的固定股票池。
输入给智能体的并不只有价格和收益率。作者还加入34 类技术指标及衍生特征，包括均线、MACD、RSI、随机 RSI、布林带、动量、成交量变化和价格 z 分数等。可以把它们理解为一张连续更新的“市场体征表”。
训练上，作者为不同算法与风险目标构造候选策略，再在验证期按夏普比率选择表现最好的配置，并将其用于后续测试期。这样的集成机制，意在避免只押注某一种模型或某一种风险定义。
行业 ETF 的样本外结果用于比较不同动态策略、静态切点组合与 SPY 基准。论文关注的不只是收益，还同时考察波动率、回撤和风险调整后收益。
在道琼斯成分股样本中，作者同样进行滚动样本外比较。个股池的成分更多、调仓更复杂，也更接近实际权益组合管理的难题。
论文的总体结论是：在两个资产池中，强化学习引导的动态策略在年化收益、波动率与夏普比率等指标上，整体优于静态切点投资组合及相应市场基准。
作者还报告，相对静态切点组合，集成策略的年化 alpha 约为6%—9%；部分 PPO 均值—方差策略的结果更突出。这里的重点不应被理解为“AI保证更高回报”，而是说明在论文设定的历史样本中，动态选择风险水平和调仓时点具有统计上的价值。
交易成本是这类研究必须面对的一关。行业 ETF 组合的年化换手率约为327%；若假设单边交易成本为5 个基点，年化成本拖累约0.16%。道琼斯成分股组合的年化换手率约431%；按单边10 个基点估算，年化成本拖累约0.43%。
这意味着模型并非高频逐日买卖，作者观察到其调仓节奏总体接近双月频率。但真实世界中的冲击成本、流动性、税费、滑点和产品费用，仍可能高于回测中的简化假设。
图中比较了行业 ETF 与道琼斯股票池的年换手率及估算交易成本。资产数量更多的个股组合，通常需要更高的仓位调整幅度。
这篇论文值得关注之处，不是给出一条可以照搬的买卖信号，而是把“风险偏好”和“调仓频率”这两个常被人为固定的参数，变成可随市场学习的决策变量。对普通投资者而言，它也提醒了一点：组合管理不只是选对资产，更包括在不同环境中控制风险暴露与交易摩擦；历史表现不代表未来，不构成投资建议。