金融学习之十四——使用Tushare获取数据计算投资组合的预期收益率和波动率

为了降低风险，投资者在购买股票时往往会构建一个投资组合，以对冲风险和最大获益。在投资组合中，描述该投资组合效果的两个重要变量是预期收益率及其波动率。
1.投资组合的预期收益率
预期收益率的计算公式为：
E（R）=E（$\sum _{k=1}^n{w}_i{R}_i$ )=$[w_1,w_2,w_3...w_n$ ][$E(R_1),E(R_2),...E(R_n){]}^T$
其中，$w_i$表示投资组合中第i支股票的权重，通常为股票市值占投资总值的比例，满足$\sum _{k=1}^n{w}_i=1$。而E（$R_i$）表示第i支股票的预期收益率，通常用该股票过去的收益率均值表示。
假设我们任选5支股票（就拿Tushare里获取的前几支股票为例），计算其预期收益率。
首先获取所有股票的信息：

import tushare as ts
pro=ts.pro_api('b497571a3ddd7dde8ebe28b372879594b2f8356c918ad80dae01605b')  #此token已过期，只有基础积分，随便用
df = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')
df.head()

为了简化操作，我们就选前5支数据较好的股票，先获取其行情数据，这里是收盘价close，日期为2018年7月1日至2021年8月31日：

dt=pd.DataFrame() #构建一个空数据框，装载所有股票行情信息
for i in df.loc[:5][['ts_code','name']].values:
    name=i[1]
    dt[name]=pro.daily(ts_code=i[0], start_date='20180701', end_date='20210831')['close']
dt

发现国华网安的数据后面有很多空数据，所以把它删掉，剩余5支作为待计算数据。

dt.drop('国华网安',axis=1,inplace=True)
dt

首先先做一个股票走势绘图：

from pylab import mpl
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False
(dt/dt.iloc[0]).plot(figsize=(10,8))    #所有数据都对首日数据进行归一处理

可以看到ST全新有点疯狂啊，而平安银行则有点萎靡不振。
接着对所有股票计算收益率，并绘制直方图。

r=np.log(dt/dt.shift(1))    #求收益率公式
r=r.dropna()     #去除其他有空数据的行
r.hist(bins=40,figsize=(10,8))

可以看到，除了ST全新，基本上收益率都还是比较符合正态分布的。
接着随机生成一个股票投资比例，计算一下，该投资组合的预期收益率：

#先求每支股票的年化平均收益率
r_mean=r.mean()*252
r_mean

结果是：
平安银行 -0.235112
万科A 0.054881
ST星源 0.063218
深振业A 0.072212
*ST全新 0.382847
dtype: float64

#然后随机生成投资比例，计算投资组合的预期收益率
import numpy as np
x=np.random.random(5)
weights=x/x.sum()
weights

得到各支股票的权重为：
array([0.13628201, 0.25905629, 0.12644307, 0.26794179, 0.21027683])
再计算组合投资收益率：

reward=np.sum(weights*r_mean)
reward

可以看到，这个组合的收益是0.056951510250772996，貌似刚刚跑赢CPI啊，基本上还是盈利的。

2.投资组合的波动率
波动率就是我们俗称的风险，用于反映收益率的波动程度。
考虑两支股票组合的收益率波动率，设${\sigma }_1$, ${\sigma }_2$分别是两支股票的波动率，则有组合波动率
${\sigma }^2$=$w_1^2{\sigma }_1^2$+$w_2^2{\sigma }_2^2$+2$w_1{w}_2\delta {\sigma }_i{\sigma }_2$
这里的$\delta$表示两支股票收益率的相关系数，并且与两支股票收益率的协方差有如下关系：
$\delta$=cov(R1,R2)/${\sigma }_i{\sigma }_2$
可见，若$\delta$=1，即完全线性正相关，则组合波动率为$w_1{\sigma }_1+w_2{\sigma }_2$，也就是加权平均值，若完全负相关，则为二者之差绝对值。
扩展到N支股票的组合中时（这公式实在太多了，懒得敲）
$\sigma$=$\sqrt{w\sum {\sigma }_s{w}^T}$
这里的${\sigma }_s$表示投资组合的收益率协方差矩阵

接着我们继续计算投资组合的收益率波动率，首先对收益率计算协方差矩阵并年化处理：

r_cov=r.cov()*252
r_cov

再得到收益率相关系数矩阵，从相关系数看，相互之间，关联性较低

r_corr=r.corr()
r_corr

以及每支股票的年化波动率：

r_vol=r.std()*np.sqrt(252)
r_vol

可以看到，年化波动率都比较大
平安银行 0.350814
万科A 0.332052
ST星源 0.383830
深振业A 0.373611
*ST全新 0.591139
dtype: float64
最后，再根据前面的比例计算投资组合的波动率：

v_p=np.sqrt(np.dot(weights,np.dot(r_cov,weights.T)))
v_p

结果为0.23965157585238028，组合的波动率不小啊，应该是在ST全新上下注了不少的原因吧。
OK，全文到此结束，利用数据做了简单的预期收益率和波动率的计算，当然，这种方式得到的结果很随机，不一定能碰到最优解，因此后续将讨论如何取得最优解。