前文链接
资产组合的可行集
建立预期收益率
E
(
R
p
)
−
σ
p
E(R_p)-\sigma_p
E(Rp)−σp坐标系,如果投资者选择了所有可能的投资比例,则这些资产组合点将在坐标系上构成一个区域,该区域被称为可行集或可行域.
有效集
在理性人假设下,投资者是风险厌恶的,在一定收益下,投资者将选择风险最小的投资组合;子一定风险下,投资者将选择收益最大的资产组合,同时满足这两个条件的资产集合就是有效集或者有效边界,位于有效边界的资产组合就是有效组合.
最优资产组合
满足投资者无差异曲线和有效集的切点就是最优组合点.
模型求解
最小方差资产组合
在一定预期收益率
μ
\mu
μ下,选择资产组合使其风险最小,即求解如下形式问题
min
1
2
σ
p
2
=
1
2
w
T
V
w
s
.
t
.
{
1
T
w
=
1
E
(
R
p
)
=
w
T
E
(
R
)
≥
μ
\min \frac{1}{2}\sigma_p^2=\frac{1}{2}\pmb{w}^T\pmb{V}\pmb{w}\\ s.t. \begin{cases} &\mathbf{1}^T\pmb{w}=1\\ &E(R_p)=\pmb{w}^TE(\mathbf{R})\geq \mu \end{cases}
min21σp2=21wwwTVVVwwws.t.{1Twww=1E(Rp)=wwwTE(R)≥μ
使用Lagrange乘数法求解,构造广义目标函数
L
L
L
L
=
1
2
w
T
V
w
+
λ
1
(
1
−
w
T
1
)
+
λ
2
(
μ
−
w
T
E
(
R
)
)
L=\frac{1}{2}\pmb{w}^T\pmb{V}\pmb{w}+\lambda_1(1-\pmb{w}^T\bf{1})+\lambda_2(\mu-\pmb{w}^TE(\mathbf{R}))
L=21wwwTVVVwww+λ1(1−wwwT1)+λ2(μ−wwwTE(R))
求出一阶条件为
{
L
w
=
V
w
−
λ
2
E
(
R
)
−
λ
2
1
=
0
L
λ
1
=
1
−
1
T
w
=
0
L
λ
2
=
μ
−
E
(
R
)
T
w
=
μ
−
E
(
R
p
)
=
0
(1)
\left\{ \begin{aligned} &L_w=\pmb{V}\pmb{w}-\lambda_2E(\pmb{R})-\lambda_2\mathbf{1}=0\\ &L_{\lambda_1}=1-\mathbf{1}^T\pmb{w}=0\\ &L_{\lambda_2}=\mu-E(\mathbf{R})^T\pmb{w}=\mu-E(\mathbf{R}_p)=0 \end{aligned} \right.\tag{1}
⎩⎪⎨⎪⎧Lw=VVVwww−λ2E(RRR)−λ21=0Lλ1=1−1Twww=0Lλ2=μ−E(R)Twww=μ−E(Rp)=0(1)
可以解出
w
∗
=
V
−
1
(
λ
1
1
+
λ
2
E
(
R
)
)
1
=
λ
1
1
T
V
−
1
1
+
λ
2
1
T
V
−
1
E
(
R
)
μ
=
λ
1
E
(
R
)
T
V
−
1
1
+
λ
2
E
(
R
)
T
V
−
1
E
(
R
)
(2)
\begin{aligned} &\pmb{w}^*=\pmb{V}^{-1}(\lambda_1\mathbf{1}+\lambda_2E(\mathbf{R}))\\ &1=\lambda_1\mathbf{1}^T\mathbf{V}^{-1}\mathbf{1}+\lambda_2\mathbf{1}^T\mathbf{V}^{-1}E(\mathbf{R})\\ &\mu=\lambda_1E(\mathbf{R})^T\mathbf{V}^{-1}\mathbf{1}+\lambda_2E(\mathbf{R})^T\mathbf{V}^{-1}E(\mathbf{R}) \end{aligned}\tag{2}
www∗=VVV−1(λ11+λ2E(R))1=λ11TV−11+λ21TV−1E(R)μ=λ1E(R)TV−11+λ2E(R)TV−1E(R)(2)
令
a
=
1
T
V
−
1
1
b
=
1
T
V
−
1
E
(
R
)
c
=
E
(
R
)
T
V
−
1
E
(
R
)
Δ
=
a
c
−
b
2
\begin{aligned} &a=\mathbf{1}^T\mathbf{V}^{-1}\mathbf{1}\\ &b=\mathbf{1}^T\mathbf{V}^{-1}E(\mathbf{R})\\ &c=E(\mathbf{R})^T\mathbf{V}^{-1}E(\mathbf{R})\\ &\Delta=ac-b^2 \end{aligned}
a=1TV−11b=1TV−1E(R)c=E(R)TV−1E(R)Δ=ac−b2
解出方程组
(
2
)
(2)
(2)为
λ
1
=
c
−
μ
b
Δ
λ
2
=
μ
a
−
b
Δ
\begin{aligned} \lambda_1=\frac{c-\mu b}{\Delta} \\ \lambda_2=\frac{\mu a-b}{\Delta} \end{aligned}
λ1=Δc−μbλ2=Δμa−b
将
λ
1
\lambda_1
λ1和
λ
2
\lambda_2
λ2代入方程组
(
2
)
(2)
(2)可以得到最小方差资产组合权重
w
∗
=
V
−
1
[
(
c
−
μ
b
)
1
Δ
+
(
μ
a
−
b
)
E
(
R
)
Δ
]
=
V
−
1
(
c
1
−
b
E
(
R
)
)
Δ
+
μ
a
E
(
R
)
−
b
1
Δ
(3)
\begin{aligned} \pmb{w}^*&=\pmb{V}^{-1}[\frac{(c-\mu b)\mathbf{1}}{\Delta}+\frac{(\mu a-b)E(\pmb{R})}{\Delta}]\\ &=\frac{\pmb{V}^{-1}(c\mathbf{1}-bE(\mathbf{R}))}{\Delta}+\mu\frac{aE(\mathbf{R})-b\mathbf{1}}{\Delta} \end{aligned}\tag{3}
www∗=VVV−1[Δ(c−μb)1+Δ(μa−b)E(RRR)]=ΔVVV−1(c1−bE(R))+μΔaE(R)−b1(3)
将
w
∗
\pmb{w}^*
www∗代入目标函数,得到最小组合方差为
σ
p
2
=
w
T
V
w
=
w
V
(
λ
1
V
−
1
1
+
λ
2
V
−
1
E
(
R
)
)
=
λ
1
+
μ
λ
2
=
a
μ
2
−
2
μ
b
+
c
Δ
(4)
\begin{aligned} \sigma_p^2&=\pmb{w}^T\pmb{V}\pmb{w}=\pmb{w}\pmb{V}(\lambda_1\pmb{V}^{-1}\mathbf{1}+\lambda_2\mathbf{V}^{-1}E(\mathbf{R})) \\ &=\lambda_1+\mu\lambda_2\\ &=\frac{a\mu^2-2\mu b+c}{\Delta} \end{aligned}\tag{4}
σp2=wwwTVVVwww=wwwVVV(λ1VVV−11+λ2V−1E(R))=λ1+μλ2=Δaμ2−2μb+c(4)
注意到在求解过程中需要进行矩阵求逆的计算,时间复杂度为
O
(
n
3
)
\mathcal{O}(n^3)
O(n3).
案例
一个资产组合,其预期收益率矩阵为 E ( R ) = [ 0.05 , 0.1 ] E(\mathbf{R})=[0.05, 0.1] E(R)=[0.05,0.1],协方差矩阵是 V = [ 1 0 0 1 ] \mathbf{V}=\left[\begin{matrix}1 & 0 \\ 0 & 1\end{matrix}\right] V=[1001],预期收益率为 0.075 0.075 0.075,求最小方差资产组合的权重和方差.
解析
根据公式计算组合参数
{
a
=
1
T
V
1
=
[
1
,
1
]
[
1
0
0
1
]
[
1
1
]
b
=
1
T
V
−
1
E
(
R
)
=
[
1
,
1
]
[
1
0
0
1
]
[
0.05
0.1
]
c
=
E
(
R
)
T
V
E
(
R
)
=
[
0.05
,
0.1
]
[
1
0
0
1
]
[
0.05
0.1
]
Δ
=
a
c
−
b
2
\left\{ \begin{aligned} &a=\mathbf{1}^T\pmb{V}\mathbf{1}=[1, 1]\left[\begin{matrix}1 & 0\\ 0 & 1\end{matrix}\right]\left[\begin{matrix}1\\ 1\end{matrix}\right] \\ &b=\mathbf{1}^T\pmb{V}^{-1}E(\mathbf{R})=[1, 1]\left[\begin{matrix}1 & 0\\ 0 & 1\end{matrix}\right]\left[\begin{matrix}0.05\\ 0.1\end{matrix}\right] \\ &c=E(\mathbf{R})^T\pmb{V}E(\mathbf{R})=[0.05, 0.1]\left[\begin{matrix}1 & 0\\ 0 & 1\end{matrix}\right]\left[\begin{matrix}0.05\\ 0.1\end{matrix}\right]\\ &\Delta = ac-b^2 \end{aligned} \right.
⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎧a=1TVVV1=[1,1][1001][11]b=1TVVV−1E(R)=[1,1][1001][0.050.1]c=E(R)TVVVE(R)=[0.05,0.1][1001][0.050.1]Δ=ac−b2
求出最小方差权重
w
∗
\pmb{w}^*
www∗的表达式
w
∗
=
V
−
1
(
c
1
−
b
E
(
R
)
)
Δ
+
μ
a
E
(
R
)
−
b
1
Δ
\pmb{w}^*=\frac{\pmb{V}^{-1}(c\mathbf{1}-bE(\mathbf{R}))}{\Delta}+\mu\frac{aE(\mathbf{R})-b\mathbf{1}}{\Delta}
www∗=ΔVVV−1(c1−bE(R))+μΔaE(R)−b1
代码
import numpy as np
from numpy import dot
from numpy.linalg import inv
def portfolio_weight(E, R, V, mu):
V=inv(V)
a=dot(E, dot(V, E))
b=dot(E, dot(V, R))
c=dot(R, dot(V, R))
D=a*c-b**2
return (dot(V, (c*E-b*R)))/D+mu/D*(dot(V, a*R-b*E))
def main():
E=np.ones(2)
R=np.array([0.05, 0.1])
V=np.eye(2)
mu=0.075
w=portfolio_weight(E, R, V, mu)
print('weight of min variance {}'.format(w))
main()
全局最小方差
根据方差和期望的公式
σ
p
2
=
(
a
μ
2
−
2
b
μ
+
c
)
/
Δ
\sigma_p^2=(a\mu^2-2b\mu+c)/\Delta
σp2=(aμ2−2bμ+c)/Δ
求出极值点
∂
σ
p
2
∂
μ
=
2
a
μ
−
2
b
Δ
=
0
μ
=
b
a
\frac{\partial \sigma_p^2}{\partial \mu}=\frac{2a\mu-2b}{\Delta}=0\\ \mu=\frac{b}{a}
∂μ∂σp2=Δ2aμ−2b=0μ=ab
得到全局最小方差为
σ
p
2
=
1
a
\sigma_p^2=\frac{1}{a}
σp2=a1
分解最小方差权重
w
∗
\pmb{w}^*
www∗
w
∗
=
V
−
1
(
λ
1
1
+
λ
2
E
(
R
)
)
=
λ
1
V
−
1
1
+
λ
2
V
−
1
E
(
R
)
=
V
−
1
1
a
+
V
−
1
E
(
R
)
b
=
V
−
1
1
1
T
V
−
1
1
+
V
−
1
E
(
R
)
1
T
V
−
1
E
(
R
)
=
(
λ
1
a
)
w
g
+
(
λ
2
b
)
w
d
(5)
\begin{aligned} \pmb{w}^*&=\pmb{V}^{-1}(\lambda_1\mathbf{1}+\lambda_2E(\mathbf{R}))\\ &=\lambda_1\pmb{V}^{-1}\mathbf{1}+\lambda_2\pmb{V}^{-1}E(\mathbf{R})\\ &=\frac{\pmb{V}^{-1}\mathbf{1}}{a}+\frac{\pmb{V}^{-1}E(\mathbf{R})}{b} \\ &=\frac{\pmb{V}^{-1}\mathbf{1}}{\mathbf{1}^T\pmb{V}^{-1}\mathbf{1}}+\frac{\pmb{V}^{-1}E(\mathbf{R})}{\mathbf{1}^T\pmb{V}^{-1}E(\mathbf{R})}\\ &=(\lambda_1a)\pmb{w}_g+(\lambda_2 b)\pmb{w}_d \end{aligned}\tag{5}
www∗=VVV−1(λ11+λ2E(R))=λ1VVV−11+λ2VVV−1E(R)=aVVV−11+bVVV−1E(R)=1TVVV−11VVV−11+1TVVV−1E(R)VVV−1E(R)=(λ1a)wwwg+(λ2b)wwwd(5)
其中
w
d
\pmb{w}_d
wwwd为可分散的资产组合权重.
案例
一个资产组合,其预期收益率矩阵为 E ( R ) = [ 0.2 , 0.5 ] T E(\mathbf{R})=[0.2, 0.5]^T E(R)=[0.2,0.5]T,协方差矩阵为 V = [ 1 0 0 1 ] \pmb{V}=\left[\begin{matrix}1 & 0 \\ 0 & 1\end{matrix}\right] VVV=[1001]求全局最小方差组合和可分散资产组合权重.
解析
根据公式
(
5
)
(5)
(5)可以计算出
w
g
=
V
−
1
1
1
T
V
−
1
1
w
d
=
V
−
1
E
(
R
)
1
T
V
−
1
E
(
R
)
\begin{aligned} &\pmb{w}_g=\frac{\pmb{V}^{-1}\mathbf{1}}{\mathbf{1}^T\mathbf{V}^{-1}\mathbf{1}}\\ &\pmb{w}_d=\frac{\pmb{V}^{-1}E(\mathbf{R})}{\mathbf{1}^T\pmb{V}^{-1}E(\mathbf{R})} \end{aligned}
wwwg=1TV−11VVV−11wwwd=1TVVV−1E(R)VVV−1E(R)
全局最小方差时
w
∗
=
w
g
\pmb{w}^*=\pmb{w}_g
www∗=wwwg
代码
import numpy as np
from numpy import dot
from numpy.linalg import inv
def portfolio_global_weight(E, R, V):
V=inv(V)
wg=dot(V, E)/dot(dot(E, V), E)
wd=dot(V, R)/dot(dot(E, V), R)
return (wg, wd)
def main():
E=np.ones(2)
R=np.array([0.2, 0.5])
V=np.eye(2)
w=portfolio_global_weight(E, R, V)
print('weight of global min variance {}'.format(w[0]))
print('dispersible assert weight is {}'.format(w[1]))
main()