Efficient Frontier of Two Risky Assets（两种证券组合的有效边界）

最新推荐文章于 2024-08-12 08:31:05 发布

someday or one day

最新推荐文章于 2024-08-12 08:31:05 发布

阅读量1.1k

点赞数 1

本文链接：https://blog.csdn.net/qq_45669448/article/details/104578382

版权

本文探讨了在初始条件下，通过特定公式计算两种证券组合的风险与收益，其中涉及协方差和权重的计算。通过Excel图表展示和Python代码实现，展示了如何构建有效边界。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

初始条件：

资产	$E(r_i)$	$\sigma_i$
1	8%	14%
2	12%	20%

计算公式：
$\sigma_p=\sqrt{w_1^2\sigma_1^2+w_2^2\sigma_2^2+2\rho w_1w_2\sigma_1\sigma_2}$

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

someday or one day

关注关注

1
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【AP_AOR】Review of Robust Optimization

0x00

12-10

261

鲁棒优化综述：选自 Fabozzi的论文

mpf2_线性规划_CAPM_sharpe_Arbitrage Pricin_Inversion Gauss Jordan_Statsmodel_Pulp_pLU_Cholesky_QR_Jacobi

Linli522362242的专栏

07-06

2648

mpf2_linear programming_integer programming_CAPM_sharpe_Arbitrage Pricing_Inversion Gauss Jordan_Statsmodel_Pulp_pLU_Cholesky_QR_Jacobi_gauss seidel

参与评论您还未登录，请先登录后发表或查看评论

利用python 绘制有效边界efficient frontier

weixin_42292169的博客

05-17

5862

利用python 绘制有效边界efficient frontier import numpy as np import pandas as pd import scipy as sp import scipy.optimize as opt import matplotlib.pyplot as plt #通过yahoofinance获取股票数据 def get_logret(name): x=pd.read_csv('https://query1.finance.yahoo.com/v7/f

基于Python实现有效前沿(Efficient Frontier)

jirox的博客

05-04

8505

马科维兹有效前沿 “现代投资组合理论”（MPT）是1952年哈里.马克维茨在金融期刊上发表的名为“Portfolio Selection”的文章上提出的投资理论。有效前沿亦称“有效边界”。理性的投资者一般是厌恶风险而偏好收益的，对于相同的风险水平，会选择能提供最大收益率的组合；对于相同的预期收益率，会选择风险最小的组合。能同时满足这些条件的投资组合就是有效前沿。基于Python实现马科维兹有效前沿我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了

matlab frontier,使用Matlab计算Efficient frontier

weixin_31968849的博客

03-18

205

寻找slope最大点的函数function [ port, opt_mu, opt_sigma ] = highest_slope_portfolio( R, RF, mu, sigma )% This function finds the portfolio with the largest slope% this function can easily be much more general...

1. Portfolio Management

agoldminer的博客

02-15

1414

The HM model is also call Mean-Variance Model due to the fact that it is based on expected returns(mean) and the standard deviation(variance) of the various protfolios. 1. Meansurements of return and risk Return: Average return (Arithmetic return) It is us

金融学里的有效前沿理论

AI生成式技术曾小健

05-18

2200

金融学里的有效前沿理论Poe有效前沿（Efficient Frontier）理论是现代投资组合理论（Modern Portfolio Theory, MPT）的核心概念之一。由哈里·马科维茨（Harry Markowitz）在1952年提出，这一理论帮助投资者理解如何通过资产配置来优化投资组合的预期回报和风险。

PyPortfolioOpt 使用教程

最新发布

gitblog_00647的博客

08-12

597

PyPortfolioOpt 使用教程 PyPortfolioOpt项目地址:https://gitcode.com/gh_mirrors/py/PyPortfolioOpt 项目介绍 PyPortfolioOpt 是一个用于投资组合优化的 Python 库，实现了包括经典有效前沿技术、Black-Litterman 分配方法以及最新的发展如收缩和分级风险平价等方法。该库广泛且易于扩展，适用于业...

PyPortfolioOpt：python中的金融投资组合优化，包括经典有效前沿，Black-Litterman，分层风险平价

02-05

PyPortfolioOpt是一个实现投资组合优化方法的库，其中包括经典的均值方差优化技术和Black-Litterman分配，以及该领域的最新发展，例如收缩和分层风险奇偶校验，以及一些新颖的实验功能，例如指数加权协方差矩阵。它既广泛又易于扩展，对于临时投资者和认真的从业者都可能有用。无论您是发现了一些被低估的精选期权的基础知识型投资者，还是拥有一篮子策略的算法交易者，PyPortfolioOpt都可以帮助您以风险有效的方式组合Alpha来源。请上的以深入了解该项目，或查看以查看一些示例，这些示例显示了从下载数据到构建投资组合的完整过程。目录入门如果您想在浏览器中交互使用PyP

python n个list如何组成矩阵_如何用马科维茨投资组合优化法和现代资产组合理论生成交易策略？...

weixin_39670441的博客

11-03

740

全文共6852字，预计学习时长14分钟图源:pixabay本文旨在展示如何用马科维茨(Markowitz)的投资组合优化法和现代资产组合理论(MPT)来生成交易策略。本文首先对均值-方差优化法进行简介及提示，然后介绍如何将其应用到交易策略中。如前所述，将使用zipline框架对它们进行回测。设置本文将使用以下数据库:zipline 1.3.0matplotlib 3.0.0json 2.0.9em...

如何用matlab画出有效市场边缘

Reach Higher

10-23

6866

本文介绍如何利用matlab画出两个资产的有效边缘（efficient frontier ）假设两项资产的期望收益率为 mu1 = 8%， mu2 = 5% 收益率方差为 sigma1 = 25%, sigma2 = 20% 分别画出两项资产相关系数rho = [1, 0.925, 0, -0.5, -1] 的efficcient frontier 先放上效果图：

Python实现马科维茨有效边界

AndyLeung的博客

02-03

1万+

Python实现马科维茨有效边界参考文章 https://mp.weixin.qq.com/s/neCSaWK0c4jzWwCfDVFA6A https://mp.weixin.qq.com/s/2X_VCZwv8EX4S48wAeL0AQ 简介导入包 import pandas as pd import numpy as np import matplotlib.pyplot as pl...

Python金融大数据分析——第11章统计学（2）投资组合优化笔记

RealEmperor 博客

07-08

1万+

第11章统计学 11.1 正态性检验 11.1.1 基准案例 11.1.2 现实世界的数据 11.2 投资组合优化 11.2.1 数据 11.2.2 基本理论 11.2.3 投资组合优化 11.2.4 有效边界 11.2.5 资本市场线 11.3 主成分分析 11.3.1 DAX指数和30种成分股 11.3.2 应用PCA 11.3.3 构造PCA指数 11.4 贝叶斯回归 11...

投资组合的有效边界及基于目标函数的组合优化

lucindawuyi的博客

05-25

5547

##导入数据 data2=pd.read_csv('data2.csv', encoding='gbk', index_col='Dates') data2.index=[dt.datetime.strptime(x,'%Y/%m/%d') for x in data2.index] #计算股票收益率 log_returns=np.log(data2.pct_change()+1) ##计算不...

（二十二）资产组合的有效边界、CML与最优配置

热门推荐

小粉桥反手王的博客

02-01

1万+

本文介绍了投资组合理论的可行集、有效边界和资本市场线的绘制，以及根据效用函数求解最优资产配置，主要使用scipy.optimize中的minimize函数，以及绘图函数。搞清楚求最值的函数、约束条件以及各变量之间的关系是关键。

python有效边界_Markowitz有效边界和投资组合优化基于Python（附代码）

weixin_39833270的博客

12-09

2413

原标题：Markowitz有效边界和投资组合优化基于Python(附代码)本期作者：Bernard Brenyah本期翻译：Barry未经授权，严禁转载哈里马科维茨对金融和经济学的世界的贡献是怎么强调都不过分的。凭借其于 1952年发表的开创性论文“资产组合选择”，他被广泛的视作现代资产组合理论(MPT)的开拓者。最终在1990年，基于对这一领域的巨大贡献，他获得了诺贝尔经济学奖。如今，几乎全世界...

python 实现 frontCon 函数，画马克韦茨有效前沿和求切线思路

Mappy93的专栏

09-30

5700

马克韦茨的mean－Variance 曲线有以下条件 1、权重和为1 2、期望均值＝ u 3. 权重的转制＊协方差矩阵＊权重＝方差求最小方差可以通过，建立约束方程，求一阶导，获得N个 N元一次方程组，有唯一的解。 python numpy包中的linalg.solve()方法解多元一次方程，求给定收益率u 的权重向量，从而计算方差。收集方差，向量等值，获得集

使用Matlab计算Efficient frontier

weixin_34367257的博客

12-10

591

寻找slope最大点的函数 function [ port, opt_mu, opt_sigma ] = highest_slope_portfolio( R, RF, mu, sigma ) % This function finds the portfolio with the largest slope % this function can easily be m...

资产组合有效边界python代码

07-28

资产组合有效边界是指在所给定的风险水平下，能够获取到的最大预期收益的集合。在Python中，可以使用投资组合优化库，如cvxopt，来计算资产组合的有效边界。首先，我们需要引入相应的库： ```python import numpy as np from cvxopt import matrix, solvers ``` 接下来，我们定义资产组合的预期收益率和协方差矩阵： ```python # 预期收益率 returns = np.array([0.05, 0.10, 0.08]) # 协方差矩阵 cov_matrix = np.array([[0.02, 0.01, 0.005], [0.01, 0.03, 0.02], [0.005, 0.02, 0.04]]) ``` 然后，我们定义求解有效边界的函数： ```python def efficient_frontier(returns, cov_matrix, risk): n = len(returns) P = matrix(cov_matrix) q = matrix(np.zeros(n)) G = matrix(-np.eye(n)) h = matrix(np.zeros(n)) A = matrix(np.vstack((returns, np.ones(n)))) b = matrix([risk, 1.]) sol = solvers.qp(P, q, G, h, A, b) weights = np.array(sol['x']).flatten() return weights ``` 最后，我们可以通过调用上述函数来计算在给定风险水平下的最大预期收益： ```python risk = 0.1 weights = efficient_frontier(returns, cov_matrix, risk) print("在风险水平为{}下，最大的预期收益为：{}".format(risk, np.dot(weights, returns))) print("分配给各资产的权重为：{}".format(weights)) ``` 通过以上代码，我们可以计算资产组合的有效边界，并且得到在给定风险水平下的最大预期收益以及各资产的权重分配。