強積金策略交流#30 – 第11招多重戰術策略
2020年農曆年三十晚的夢中經歷(見此) ,令筆者對投資策略有着全新的知識。如果要顯示出來的話,筆者會用以下圖表:
大家用積金大反擊書中的第7招,是先計算第5招及第6招的回報及波幅,然後用第1招大包圍(50/50) 或第3招回報波幅優化來做出變化,見下圖:
而前文所論述的動力大包圍,就是在計算第一層大包圍策略之後,在第二層再用第6招動力投資策略,多重結合而成,見下圖:
筆者在2020年夢境之後所嘗試執行的第11招多重戰術策略,是於第一層計算第5,6,8,9,10 招的回報及波幅,再於第二層用第5招移動平均及第6招動力投資,之後於第三層用第3招回報波幅優化策略而成,見下圖:
第11招多重戰術策略的回報及波幅表現如下:
年均回報/按月波幅 | 第11招多重戰術策略 |
銀聯 | 12.64%/4.09% = 3.09 |
滙豐 | 11.34%/3.73% = 3.04 |
信安800 | 10.60%/4.10% = 2.59 |
永明彩虹 | 12.86%/3.81% = 3.38 |
安聯 | 12.15%/3.86% = 3.15 |
富達 | 10.19%/3.48% = 2.93 |
中銀保誠簡易 | 9.63%/3.86% = 2.49 |
由2004年至2021年3月
這個多重戰術的策略操作,就是先用各成份基金的回報表現在為「輸入,放入第一層的不同策略(第1至10招) 後得出第一層的「輸出」。
按着,在第二層用第一層的「輸出」作為第二層策略的「輸入」,放入第二層各個不同的策略,而得出「輸出」。
如是者,第三層,第四層,甚至更深,出現下圖:
第11招多重戰術策略的內容,就好像deep learning 的layers 及 neurons ,之前筆者隱約預期強積金策略的突破點,就是運用AI 。舊有的AI 操作於投資的應用,大多是屬於優化的一類,結果與應用genetic algorithm 一樣;或者偶而會用AI 去作為辨認重複的模式,又或是妄想用AI 做預測。
而筆者年三十晚夢境出現的突破點,是AI 的另類應用,就是將能夠提升回報及波幅比率(risk adjusted return) 的各種TAA ,互相交疊,互相糾纏地產生出突破上一層TAA 表現的節點。
複雜點說,是在同一時空裏製造出多重時空,每一時空都裝載着自有的回報及波幅歷史,在不同時空中彼此交疊糾纏着,我中有你,你中有我,產生出歷史上不同回報及波幅的可能性,十分像AI 的Deep learning 中的layer 過程。
因為在第11招多重戰術策略中的各層計算,既可以是過程又可以是結果,既是輸入又是輸出,難度不在於產生多層的回報及波幅結果,而是在於如何捕捉出現於各層計算內較好的回報及波幅結果。
用另一個比喻,就是CERN 。CERN 是位於歐洲的一個科研機構,用粒子加速器撞散粒子,然後捕捉散射出來的基本粒子去做研究。多重戰術策略是回報及波幅的撞散器,用交疊糾纏產生出多層的回報及波幅的結果,然後找出優異回報及波幅的路徑,繼而用於將來。但到目前為止,筆者還未能好好的捕捉(capture) 出現於各層的結果,於是暫時唯有像現有AI 的做法,只 capture 最後一層的結果。
第11招的三層做法其實只是多重戰術策略的其中一個捕捉,第7招及動力大包圍也是。第11招可以去除各種TAA 於單一強積金計劃內的表現稜角,令回報及波幅更穩定,令第11招有渾然天成的表現。
小結
大家見到筆者於本文不斷用奇怪的比喻及虛浮的概念去描述第11招多重戰術策略,就知道第11招這種由夢中而來的新做法,還未有合適的語言可以去完整表達。
夢中的事,往往只能意會;當語言正在休假的時候,其實我們只有保持沉默。