投资组合--最优化求解(Python)

除了用蒙特卡洛模拟进行投资组合求解外，也可以通过python的scipy.optimize库进行最优化求解。接着上一篇文章，我们继续使用scipy.optimize进行投资组合最优化求解工作。

import scipy.optimize as sco# 定义计算投资组合的状态函数如下
def portfolio_status(weights):weights = array(weights)[:,newaxis]port_rets = weights.T @ array(returns.mean() * 250)[:,newaxis]port_vols = sqrt(multi_dot([weights.T, returns.cov()*250, weights]))# 返回组合收益率，组合波动率和夏普比率return array([port_rets, port_vols, port_rets/port_vols]).flatten()

用最优化module求解最大夏普比率对应的组合

# 定义夏普比率（取负号）函数
def sharpe_ratio(weights):return -portfolio_status(weights)[2]  #取return结果中的第3个数# 设置每一只股票权重范围为0<=x<=1
tuple((0,1) for x in range(numofasset))# 明确组合最优化约束条件和股票权重范围
cons = ({'type':'eq','fun': lambda x: sum(x)-1})
bnds = tuple((0,1) for x in range(numofasset))
initial_wts = numofasset*[1./numofasset]  #初始化weights的值便于优化算法快速完成计算# 用最优化module求解最大夏普比率，opt_sharpe(目标函数, 入参, 优化方法, 边界条件, 约束条件)
opt_sharpe = sco.minimize(sharpe_ratio, initial_wts, method='SLSQP',bounds = bnds, constraints = cons)
opt_sharpe# 最大夏普比率组合权重
list(zip(symbols, around(opt_sharpe['x']*100, 2)))  #两个list对应元素生成一个tuple# 最大夏普比率组合数
status = ['Returns', 'Volatility', 'Sharpe Ratio']
list(zip(status, around(portfolio_status(opt_sharpe['x']), 4)))

用最优化module求解最小波动率组合

# 定义波动率（方差）函数
def variance(weights):return portfolio_status(weights)[1]**2# 用最优化module求解最小方差
opt_var = sco.minimize(variance, initial_wts, method='SLSQP',bounds = bnds, constraints = cons)
opt_var# 最小方差组合权重
list(zip(symbols, around(opt_var['x']*100,2)))# status = ['Returns', 'Volatility', 'Sharp Ratio']
list(zip(status, around(portfolio_status(opt_var['x']),4)))

用最优化module求解有效边界（effective frontier）

# 定义波动率（标准差）函数
def volatility(weights):return portfolio_status(weights)[1]  #portfolio_status(weights)函数返回列表第2个元素为vol# 设定有效边界参数
targetrets = linspace(0.04, 0.42, 500)  # 将目标收益率进行500等分
targetvols_ = []for i in tqdm(targetrets):ef_cons = ({'type':'eq','fun': lambda x: sum(x)-1},{'type':'eq','fun': lambda x: portfolio_status(x)[0]-i})  #两个约束条件opt_ef = sco.minimize(volatility, initial_wts, method='SLSQP',bounds=bnds, constraints=ef_cons)targetvols_.append(opt_ef['fun'])targetvols = array(targetvols_)# 记录有效边界数据到DataFrame
ef_port = pd.DataFrame({'targetrets': around(targetrets*100, 2),'targetvols': around(targetvols*100, 2),'targetsharpe': around(targetrets/targetvols, 2)})ef_port.head()# 有效边界画图
fig = px.scatter(ef_port, x='targetvols', y='targetrets', color='targetsharpe',labels={'targetrets': '预期收益率', 'targetvols': '预期波动率','targetsharpe': '夏普比率'},title='投资组合有效边界').update_traces(mode='markers', marker=dict(symbol='circle'))# 标出最大夏普比率组合（市场组合）
fig.add_scatter(mode='markers',x=[100*portfolio_status(opt_sharpe['x'])[1]],  #[1]为volsy=[100*portfolio_status(opt_sharpe['x'])[0]],  #[0]为retsmarker=dict(color='Blue', size=14, symbol='square'),name = '市场组合').update(layout_showlegend=False)# 标出最小方差（波动率）组合
fig.add_scatter(mode='markers',x=[100*portfolio_status(opt_var['x'])[1]],  #[1]为volsy=[100*portfolio_status(opt_var['x'])[0]],  #[0]为retsmarker=dict(color='Red', size=14, symbol='square'),name = '最小波动率组合').update(layout_showlegend=False)fig.update_xaxes(showspikes=True)
fig.update_yaxes(showspikes=True)

最后可视化结果如下其中红色方块和蓝色方块分别为最小波动率组合和最大夏普比率组合所在的位置

投资组合--最优化求解(Python)相关推荐

最优化算法python实现篇（4）——无约束多维极值（梯度下降法）
最优化算法python实现篇(4)--无约束多维极值(梯度下降法) 摘要算法简介注意事项算法适用性 python实现实例运行结果算法过程可视化摘要本文介绍了多维无约束极值优化算法中的梯度 ...
最优化算法python实现篇（3）——无约束一维极值（黄金分割法）
最优化算法python实现篇(3)--无约束一维极值(黄金分割法) 算法适用问题 python实现示例运行结果算法适用问题搜索给定单峰区间的极值问题,一般对凸优化问题比较适用. python实现 ...
最优化算法python实现篇（2）—无约束一维极值（二分法）
最优化算法python实现篇(2)--无约束一维极值(二分法) 算法适用问题 python实现示例运行结果算法适用问题搜索给定单峰区间的极值问题,一般对凸优化问题比较适用. python实现 # ...
SciPy 非线性方程求解 | Python技能树征题
SciPy 非线性方程求解 | Python技能树征题 0. 前言 1. 第 1 题:一元非线性方程求解 2. 第 2 题:非线性方程组求解试题代码地址 0. 前言在自然科学和工程学科中,许多系统 ...
python有效边界_Markowitz有效边界和投资组合优化基于Python（附代码）
原标题:Markowitz有效边界和投资组合优化基于Python(附代码) 本期作者:Bernard Brenyah 本期翻译:Barry 未经授权,严禁转载哈里马科维茨对金融和经济学的世界的贡献是 ...
Matlab做投资组合最优化
数据下载 https://download.csdn.net/download/moser_freshman/12301019 #Matlab做投资组合最优化 %% zuiyouhau.mat存放3只 ...
python求解非线性多元方程_求解python中的colebrook（非线性）方程
我想在MATLAB中的python what this guy did中做 . 我已经安装了anaconda,所以我有numpy和sympy库 . 到目前为止,我已尝试使用numpy nsolve,但 ...
运筹优化（十六）--排队论基础及其最优化求解
排队过程的一般表示下图1就是排队过程的一般模型.各个顾客由顾客源(总体)出发,到达服务机构 (服务台.服务员)前排队等候接受服务, 服务完成后就离开.排队结构指队列的数目和排列方式 , 排队规则和服 ...
Matlab 最优化求解
文章目录 @[toc] 1 线性规划 2 非线性规划 3 无约束问题matlab解法 3.1 符号解 3.2 数值解 4 求解零点与方程组的解 4.1 多项式 4.2 符号解 4.3 数值解 4.4 ...

投资组合--最优化求解(Python)

用最优化module求解最大夏普比率对应的组合

用最优化module求解最小波动率组合

用最优化module求解有效边界（effective frontier）

投资组合--最优化求解(Python)相关推荐

最新文章

热门文章