Python实现均值方差模型，致敬马科维茨

说明：本文选取平安银行（000001.SZ）、万科A（000002.SZ）、白云机场（600004.SH）和东风汽车（600006.SH）四只股票构建投资组合，全部数据来自于Tushare社区。

获取及整理数据

1.导入获取及处理数据所需要的基本函数包

import numpy as np
import pandas as pd
import tushare as ts
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 处理负号显示问题

2.设置自己的Token，调用Tushare API实例化

your_token = '*******************************************************'
pro = ts.pro_api(your_token)

3.调用API获取四只股票的前复权收盘价数据

stock_code_list = ['000001.SZ', '000002.SZ', '600004.SH', '600006.SH']
prices = pd.DataFrame()  # 创建一个空的DataFrame，用于存放股票价格数据
for stock_code in stock_code_list:
    if 'trade_date' not in prices.columns:
        prices['trade_date'] = ts.pro_bar(ts_code=stock_code, api=pro, adj='qfq', start_date='20140101')['trade_date']
    prices[stock_code] = ts.pro_bar(ts_code=stock_code, api=pro, adj='qfq', start_date='20140101')['close']

这里只拿2014年以来的数据研究，查看一下拿到的数据。

4.数据清洗，重新按交易日期排序

prices.dropna(inplace=True)  # 数据清洗
prices.set_index('trade_date', inplace=True)  # 设置索引
prices.sort_index(ascending=True, inplace=True)  # 重新排序

这样我们拿到了整理好的数据：

个股收益分布

1.先看一下这四只个股的收益情况

(prices/prices.iloc[0]).plot(figsize=(15, 8), grid='on')

不难发现，这四只股票的波动程度蛮大的，接下来看一下收益分布直方图。

# 资产个数
asset_nums = prices.shape[1]
asset_nums  # 输出：4，一共有四只股票
# 收益分布直方图
returns = np.log(prices/prices.shift(1))
returns.hist(bins=40, figsize=(15, 8))

蒙特卡洛模拟组合的期望收益和标准差

1.生成随机权重，并标准化权重

# 生成随机权重
weights = np.random.random(asset_nums)
print(weights)  # 查看随机权重
weights /= np