◆模型思路与效果
　　普通股票型基金指数（885000.WI）年化收益高达17%左右，是一个并不容易复制的指数，如果能够有算法复制，会对投资实战起到重要帮助。我们寻找到了能够复制该指数的机器学习方法。
　　利用20200101-20221125区间的普通股票基金的日度收益率数据，去复制万得普通股票型基金指数（885000.WI）。
　　（1）每个季度末调仓；
　　（2）每一期FOF组合大概有三十多个权益基金。
　　模型思路是跟踪误差最小化，模型解法是机器学习算法，算法下文会展示。具体效果如下。
　　◆算法原理
　　传统方法通过寻找定价因子，计算目标组合beta，再通过优化技术让模仿组合beta和其相等，以此达到复制的目的。流程较长，每个流程都涉及不同的统计和优化技术。考虑复杂系统的不稳定性。
　　我们试图利用更直接的方法来复制，设计一种优化算法，直接利用基础资产的某种组合来跟踪目标组合的收益序列。事实证明，在优化方法构造得当的情形下，是可以利用较少基金组合来模仿目标组合的收益表现。我们利用统计学习中的利用稀疏优化算法，去求解跟踪误差最小化问题。
　　风险提示：模型均基于历史数据得到的统计结论且模型自身具有一定局限性并不能完全准确地刻画现实环境以及预测未来；模型根据历史规律总结，历史规律可能失效；模型结论基于统计工具得到，在极端情形下或存在解释力不足的风险，因此其结果仅做分析参考。