Datawhale&Git-Model：概率论

数学建模综合案例分析：投资组合风险分析

📋任务

GitModel公司是一家专业的投资银行，志在帮助客户更好地管理资产。客户手头上有一笔100万的资金，希望将这笔钱投入股票市场进行投资理财，投资人看中了两个股票$A$、$B$，股票分析师通过对股票$A$、$B$的历史数据分析发现：股票$A$的平均收益近似服从$N(0.1,0.01)$，股票B的平均收益近似服从$N(0.3,0.04)$。现在客户希望通过分析得出投资股票$A$、$B$的最佳组合（在预期收益确定情况下最小风险时，需要投资$A$、$B$的份额）。

分析：

首先，我们先来分析投资组合的收益应该如何计算：设$A$、$B$的投资收益率为随机变量$X$、$Y$，因此$X～N(0.1,0.01)$，$Y～N(0.3,0.04)$。设$x_1$为投资A的份额，$y_1=1-x_1$为投资B的份额，因此投资组合的收益率为：$Z=x_1\ast X+y_1\ast Y$，投资组合的平均收益率为：$E(Z)=x_1\ast E(X)+y_1\ast E(Y)$。

接下来，我们来分析投资组合的风险应该如何计算：何为风险，最简单来说就是收益的不确定性，如果收益是确定且固定的，就无所谓的风险可言。根据对风险的直观描述，我们可以定义风险为收益率的方差，因此：股票A的风险为${\sigma }_x^2=0.01$，股票B的风险为${\sigma }_y^2=0.04$,而投资组合的风险为
$$\begin{array}{rl}Var(Z)& =Var(x_1\ast X+y_1\ast Y)\\ & =x_1^2\mathrm{Var}(X)+y_1^2\mathrm{Var}(Y)+2x_1{y}_1\mathrm{Cov}(X,Y)\end{array}$$
因此，最佳的投资组合应该是风险最小时的投资组合，即：
$$\begin{array}{rl}& minVar(Z)\\ & =min{x}_1^2\mathrm{Var}(X)+y_1^2\mathrm{Var}(Y)+2x_1{y}_1\mathrm{Cov}(X,Y)\\ & =\frac{d(Var(Z))}{d(x_1)}=0\end{array}$$

from scipy.stats import norm # 正态分布
from sympy import *
							 							  
# 寻找最佳投资组合，假设corr_xy = 0.4

x = symbols('x')
y = symbols('y')

y = 1-x
corr_xy = 0.4

## 请根据var_Z的定义写出相应的公式代码
Var_X = norm(loc=0.1,scale=0.01).var()
Var_Y = norm(loc=0.3,scale=0.04).var()
var_Z = (x**2)*Var_X + (y**2)*Var_Y + 2*x*y*corr_xy

## 请根据相应的优化分析写出代码
expr_diff = Derivative((var_Z), x).doit()  
A = solve(expr_diff, x)

print(A) 

代码输出：

0.133900000000000

参考资料

[1] GitModel，数学建模的基石 https://github.com/Git-Model/__init_Modeling__