分级基金怎么计算下折？
这个问题有意思，我分享一下之前的经验 之前做分级基金A份额的时候，做过一个模拟系统，来预测下折点（当时是为了交作业，所以数据量比较大），后来系统的正确率比较高，也深受老师的表扬（嘿嘿嘿，那会还没学机器学习） 首先我们定义两个变量 第一个是单位时间净值增长率(r)=\frac{ln(P_{t})}{t}-\frac{ln(P_{1})}{1} \\ 其中 P_t 为该基金 t 时刻的净值 第二个是最大回撤率(\mu)=\frac{|\ell|}{\xi+\sigma} \\ \ell 是该基金最大的回撤幅度 然后我们建立回归模型 r=a+br+m\mu+e 其中 e 是我们设定的一个误差项，用来引入随机性 我们先收集了1000个样本数据，按照时间顺序排列，然后对每个样本的数据做如下处理 对每个基金的每一笔交易记录，都计算上面两个变量并记录下来，这样我们就得到了一组新的数据（1000×7） 然后我们对这个7列的数据做一个主成分分析。因为主成分分析本质是一个降维的处理方法，可以从中选出几个代表性的特征值，并且保证特征值的线性无关（这里为了便于展示，我将所有特征值放到了一起，实际情况是要分别对待） 所以我们得到下面4个特征值 然后我们从这4个特征值中选出前两个特征值，它们的解释能力高达98%以上！也就是说这两条直线能够几乎完美的描述每一笔交易的情况。
我们将两条直线画在同一个坐标系里，并用紫色圆圈标记出每笔交易的数据点。我们发现只要数据点在直线上方，那么收益率就为正数，并且和直线的斜率成一定的比例。而一旦数据点低于直线，收益率就变成负值且和直线的斜率成正比。 当收益率为0时，两条直线相交于一点（绿色点），这就是下折点。我们可以通过算术平均的方法找出所有交易样本的下折点，然后找出一个使面积最大的下折点。
基于上面的分析，我们就可以轻松地找到下折点了。 具体的过程可以用matlab实现，我在这里贴出主要代码，因为篇幅限制，我把数据和程序放到了github上，如果有朋友感兴趣的话可以看看。 [1] 主成分分析的作用就是寻找一组能够表示原来七个特征值的主成分，要求新得到的四个主成分彼此线性无关，并且能保留原来7个特征值绝大部分的信息。