python投资组合有效边界,【python量化】如何用Python找到投资时的最佳组合比例

现代投资组合理论(Modern Portfolio Theory，MPT)告诉我们投资者应该分散投资来实现最小化风险最大化投资回报。大邓刚开始学习这方面知识，用了将近一天的时候才搞懂MPT理论的推导，顺便复习了部分高中数学知识，这样会让我们更加有新信心的去使用自己编写的代码。现在我们从实战开始接触理论。

项目代码下载

如果没时间阅读，可直接浏览至文章末尾获取本文章的项目代码

一、资产组合理论导论

1.1 风险厌恶(Risk aversion)

在投资组合理论中，我们常常使用方差来刻画资产的风险。这里举个例子，方便大家理解。

假设你现在将要进行投资，有两种策略：资产A给你带来的收益是200元，或者0元。每种情况发生的概率也是各50%

资产B给你带来的收益是400元，或者-200元(亏损)。每种情况发生的概率也是各50%

资产的数学期望收益

两种投资策略的波动性-标准差

如果你是风险偏好者，你可能会选择B，因为B的潜在的最大收益最大。但是MPT理论认为大多数的投资者是风险厌恶者，不喜欢玩心跳，所以更倾向于选择A。

1.2资产组合池(portfolio)

假设我们将采用分散投资，每种资产的比例为 w1、w2、w3...wn，我们知道所有投资比例之和为1，即 w1+w2+w3+...+wn=1 。假设R0、R1、R2…Rn分别代表每种资产的收益，则资产组合投资收益为

我们预期的投资组合收益为

1.3 相关性

在计算资产组合风险前，我们需要先回忆一下高中数学中的方差和相关性的计算方法。方差和相关性主要是刻画任意两个变量之间的线性关系。

X和Y的方差计算公式

1.4 风险

现在我们将要计算资产组合的风险，这里使用 资产组合收益的方差 来刻画投资风险。

本来大邓直接看到推导完的结果，但是忽略了中间过程，心里怎么也不相信。所以花了很多时间用来找推导过程的教程和视频，终于找到一份比较详细的，现在贴给大家看。我们将该公式中的加总用累加zigma符号表示，一步步的进行推导

现在我们先看看简单的例子，如何将累加和的平方展开？

我们再将上面的公式抽象一下

因此，资产组合收益的方差可以表示为

最后我们将上面的符号全部用向量(或矩阵)来表示，这样后期我们使用python写代码时候可以直接使用numpy表达。

二、实战

2.1 加载数据

这里我参考JoinQuant中的一篇文章，其选取的股票的收益比较符合正太分布，我就直接拿来用吧。'000651',       #