Markowitz有效边界投资组合——利用python

Markowitz有效边界投资组合

一、Markowitz 有效边界投资组合理论简介

1952年，芝加哥大学的Markowitz提出现代资产组合理论(Modern Portfolio Theory，简称MPT)，为现代西方证券投资理论奠定了基础。其基本思想是，证券投资的风险在于证券投资收益的不确定性。如果将收益率视为一个数学上的随机变量的话，证券的期望收益是该随机变量的数学期望（均值），而风险可以用该随机变量的方差来表示。

二、证券的选取

选取掌阅科技(603533)、贵州茅台(600519)、俄罗斯RTS(RTS)、韩国KOSPI(KS11)、新西兰50(NZ50)五只证券。

三、获取数据

五只证券2019年1月1日至2020年6月30日数据的比较并查看各股的累积回报率，以下是五只证券的投资组合时序图：

图1

图2

四、投资组合相关系数——各股回报率相关性

图3
从相关系数矩阵可以看出，掌阅科技 (603533)和俄罗斯RTS (RTS)是负相关，且相关性是最高的；其余的都呈正相关。如果股票之间的相关性太高，投资组合降低风险的效果就比较有限。

五、给不同资产随机分配初始权重

下面是求解资产配置比例以期待达到期望收益率时将风险最小化。由于A股不允许建立空头头寸，所有的权重系数均在0-1之间。

图4

六、夏普比率

夏普比率可以用来衡量特定风险下投资收益的表现。这个比率调整了投资的收益，使我们可以在一定规模风险的情况下比较不同的投资表现。没有规模风险的限制，我们无法比较不同证券组合的收益与风险表现。

图5

图6
可以得出最优投资组合（夏普比率为2.693）为买入3%掌阅科技 (603533)、69.10%贵州茅台 (600519)、1.86%俄罗斯RTS (RTS)、3.49%韩国KOSPI (KS11)、22.57%新西兰50 (NZ50) ;其期望收益率为70.90%，期望波动率为26.32%。

七、运行代码

import time
import datetime
import pandas_datareader as web
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
#**********************************************************
#**********************************************************
stock=input("输入股票代號=====>")
stockfile=stock+".SS"
#from pandas_datareader import data as web
write=pd.ExcelWriter('D:/stock.xlsx')
starttime=time.perf_counter()
star=datetime.datetime(2019,1,1)
end=datetime.datetime(2020,6,30)
df=web.DataReader(stockfile,'yahoo',star,end)
df.to_excel(write,'stock')
write.save()
SS=pd.read_excel('D:/stock.xlsx')
Close1=df.Close
ret603533=(Close1-Close1.shift(1))/Close1.shift(1)
ret603533=ret603533.dropna()
ret603533
#**********************************************************
#**********************************************************
#如果是外国的股票：stockfile="^"+stock
#到时候直接打外国股票代码。例：DJI
stock=input("输入股票代號=====>")
stockfile=stock+".SS"
#from pandas_datareader import data as web
write=pd.ExcelWriter('D:/stock.xlsx')
starttime=time.perf_counter()
star=datetime.datetime(2019,1,1)
end=datetime.datetime(2020,6,30)
df=web.DataReader(stockfile,'yahoo',star