根據(jù)馬科維茲Markowitz理論計(jì)算資產(chǎn)組合的比例, 2022-06-22

(2022.06.22 Wed)
Markowitz在20世紀(jì)50年代引進(jìn)了均值-方差模型成了現(xiàn)代證券組合理論的基石吊履。

證券組合理論

在該理論中通常有n種標(biāo)的可投阶牍，每種標(biāo)的的收益率可以看做是隨機(jī)變量瓣距，記為 $r_1,r_2,\cdots,r_n$ 萌狂，相應(yīng)的均值為 $\overline r_1,\overline r_2,\cdots,\overline r_n$ 坯台，方差記為 $\sigma_1^2,\sigma_2^2,\cdots,\sigma_n^2$ 家浇， $r_i$ 和 $r_j$ 的相關(guān)系數(shù)記作 $\rho_{ij}$ 。

一個假定是爵政，投資者追求高收益而規(guī)避風(fēng)險(xiǎn)仅讽，或者有高均值而無大的方差。但經(jīng)驗(yàn)告訴我們高收益總是伴隨高風(fēng)險(xiǎn)钾挟。根本解決方案在于通過證券組合(portfolio)洁灵，即資金分散于各種證券，用于分散風(fēng)險(xiǎn)掺出。

基于上面分析徽千，設(shè)n種標(biāo)的的資金比例分別為 $w_1,w_2,\cdots,w_n$ ，有 $\sum_i w_i = 1$
總的收益率是 $r_p = \sum_i w_i r_i$
因此平均收益率為 $\overline r_p = Er_p = \sum_i w_i \overline r_i$
方差為 $\sigma_p^2 = Dr_p = \sum_i\sum_j w_iw_j\rho_{ij}\sigma_i \sigma_j$

一般來說汤锨， $\sigma_p^2$ 遠(yuǎn)小于 $\sigma_i^2$ 双抽，也就是說分散投資之后的風(fēng)險(xiǎn)顯著降低。若充分分散化闲礼，比如 $w_i = \frac{1}{n}, i = 1,2,3,\cdots,n$ 牍汹，則有 $\sigma_p^2 = \frac{1}{n^2} \sum_i \sum_j \rho_{ij}\sigma_i \sigma_j$
如果大部分標(biāo)的不相關(guān)或弱相關(guān)，則上式可以簡化成 $\sigma_p^2 = \sum_i \sigma_i^2$

標(biāo)的比例計(jì)算

根據(jù)前面推導(dǎo)結(jié)果柬泽，計(jì)算 $\sigma_p^2$ 最小情況下的 $w_i$ 慎菲，就可以確定不同標(biāo)的在如何搭配時(shí)風(fēng)險(xiǎn)最小。這是一個線性約束下餓二次規(guī)劃問題聂抢。

這里我們計(jì)算一種特例钧嘶，即只有兩種標(biāo)的下的持有比例。在分析之前琳疏，首先回顧一下期望有决、方差、協(xié)方差這幾個概念空盼。

數(shù)學(xué)概念

期望expectation\mean：設(shè) $\xi$ (讀作xi)為一離散型隨機(jī)變量书幕，它的取值 $x_1,x_2,\cdots$ 對應(yīng)的概率是 $p_1,p_2,\cdots$ 如果級數(shù) $\sum_{i=1}^{\infty}x_i p_i$ 絕對收斂，則把它稱作 $\xi$ 的數(shù)學(xué)期望(mathematical expectation)揽趾，簡稱期望或均值(mean)台汇，記作 $E\xi$ 。
當(dāng)該級數(shù)發(fā)散，則說 $\xi$ 的期望不存在苟呐。
連續(xù)情況：設(shè) $\xi$ 具有概率密度函數(shù) $p(x)$ 的連續(xù)性隨機(jī)變量痒芝，當(dāng)積分 $\int_{-\infty}^{\infty}xp(x) \mathrmmxxmxd2 x$ 絕對收斂時(shí)，稱之為 $\xi$ 的數(shù)學(xué)期望或均值牵素，記作 $E\xi$ 严衬，即 $E\xi = \int_{-\infty}^{\infty} xp(x) \mathrmzh82m6cx$
如果 $\xi$ 的分布函數(shù)為 $F(x)$ ，則期望的定義為 $E\xi = \int_{-\infty}^{\infty}x\mathrmmim3h1cF(x)$
方差variance：描述了隨機(jī)變量對于其數(shù)學(xué)期望的偏離程度(dispersion)
定義：若 $E(\xi-E\xi)^2$ 存在笆呆，則稱它為隨機(jī)變量 $\xi$ 的方差请琳，并記作 $D\xi$ ，而 $\sqrt{D\xi}$ 成為根方差赠幕、均方差俄精、標(biāo)準(zhǔn)差(standard deviation)或波動率(volatility)。
離散情況下方差的計(jì)算 $\sigma^2 = \frac{1}{n}\sum_{i=1}^{n}(x_i-\overline x)^2$
或在加權(quán)情況下 $\sigma^2=\sum_{i=1}^{n}(x_i-E\xi)^2p_i$
協(xié)方差(covariance)：不同隨機(jī)變量偏離其期望的程度榕堰。
定義：稱 $\sigma_{ij}=\mathrm{cov}(\xi_i,\xi_j)=E[(\xi_i-E\xi_i)(\xi_j-E\xi_j)]$ $i,j=1,2,\cdots,n$
稱 $\rho_{ij}=\frac{\mathrm{cov}(\xi_i,\xi_j)}{\sqrt{D\xi_i}\sqrt{D\xi_j}}=\frac{\sigma_{ij}}{\sqrt{D\xi_i}\sqrt{D\xi_j}}$ 為 $\xi_i$ 和 $\xi_j$ 之間的相關(guān)系數(shù)(correlation coefficient)竖慧。
根據(jù)定義，可推得 $\mathrm{cov}(\xi_i,\xi_j) = E\xi_i\xi_j-E\xi_i\cdot E\xi_j$ $D(\sum_{i=1}^{n}\xi_i)=\sum D\xi_i + 2\sum_{1\le i< j\le n}\mathrm{cov}(\xi_j, \xi_j)$
當(dāng)相關(guān)系數(shù)為正局冰，稱兩隨機(jī)變量正相關(guān)测蘑，負(fù)則負(fù)相關(guān)灌危。

計(jì)算推導(dǎo)過程

假定兩只投資標(biāo)的的波動率(volatility)/標(biāo)準(zhǔn)差(standard deviation)分別為 $v_1=40\%, v_2=20\%$ 康二，求兩只標(biāo)的怎樣持有才能保證風(fēng)險(xiǎn)最小。

推導(dǎo)過程：
有 $\sigma_1=0.4, \sigma_2=0.2$ 勇蝙，相關(guān)系數(shù)為 $\rho_{12}$ 默認(rèn)為0沫勿，求兩個標(biāo)的上分配的資金比例 $w_1, w_2$ 。
portfolio只有兩個標(biāo)的味混，于是有 $w_1+w_2 = 1$
組合的收益率表示為 $r=w_1 r_1+w_2 r_2$
組合的平均收益率為 $\overline r = w_1 \overline r_1 + w_2 \overline r_2$
組合的方差為
$\begin{aligned} \sigma^2 &= E(r-\overline r)^2 \\ \sigma^2 &= E((w_1 r_1 -w_1\overline r_1) + (w_2 r_2 -w_2\overline r_2))^2\\ \sigma^2 & =E(w_1r_1-w_1\overline r_1)^2 + E(w_2r_2-w_2\overline r_2)^2+2w_1w_2E((r1-\overline r_1)(r_2-\overline r_2))\\ \sigma^2 &=w_1^2\sigma_1^2 + w_2^2\sigma_2^2+ 2w_1w_2\rho_{12} \end{aligned}$
根據(jù)前面已知條件产雹，組合的方差可簡化為 $\begin{aligned} \sigma^2 &= 0.16w_1^2 +0.04(1-w_1)^2\\ \sigma^2&=0.2(w_1-0.2)^2 +0.032 \end{aligned}$
根據(jù)上式，在 $w_1=20\%, w_2=80\%$ 的時(shí)候該portfolio的風(fēng)險(xiǎn)最小翁锡， $\sigma^2 = 0.032$ 蔓挖。

Reference

1 概率論基礎(chǔ)第三版，李賢平著馆衔，復(fù)旦大學(xué)出版社

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者

人面猴
序言：七十年代末瘟判，一起剝皮案震驚了整個濱河市，隨后出現(xiàn)的幾起案子角溃，更是在濱河造成了極大的恐慌拷获，老刑警劉巖，帶你破解...
沈念sama閱讀 219,110評論 6贊 508
死咒
序言：濱河連續(xù)發(fā)生了三起死亡事件减细，死亡現(xiàn)場離奇詭異匆瓜，居然都是意外死亡，警方通過查閱死者的電腦和手機(jī)，發(fā)現(xiàn)死者居然都...
沈念sama閱讀 93,443評論 3贊 395
救了他兩次的神仙讓他今天三更去死
文/潘曉璐我一進(jìn)店門驮吱，熙熙樓的掌柜王于貴愁眉苦臉地迎上來茧妒，“玉大人，你說我怎么就攤上這事左冬∷晃埃” “怎么了？”我有些...
開封第一講書人閱讀 165,474評論 0贊 356
道士緝兇錄：失蹤的賣姜人
文/不壞的土叔我叫張陵又碌，是天一觀的道長九昧。經(jīng)常有香客問我，道長毕匀，這世上最難降的妖魔是什么铸鹰？我笑而不...
開封第一講書人閱讀 58,881評論 1贊 295
?港島之戀（遺憾婚禮）
正文為了忘掉前任，我火速辦了婚禮皂岔，結(jié)果婚禮上蹋笼，老公的妹妹穿的比我還像新娘。我一直安慰自己躁垛，他們只是感情好剖毯，可當(dāng)我...
茶點(diǎn)故事閱讀 67,902評論 6贊 392
惡毒庶女頂嫁案：這布局不是一般人想出來的
文/花漫我一把揭開白布。她就那樣靜靜地躺著教馆，像睡著了一般逊谋。火紅的嫁衣襯著肌膚如雪。梳的紋絲不亂的頭發(fā)上土铺，一...
開封第一講書人閱讀 51,698評論 1贊 305
城市分裂傳說
那天胶滋，我揣著相機(jī)與錄音，去河邊找鬼悲敷。笑死究恤，一個胖子當(dāng)著我的面吹牛，可吹牛的內(nèi)容都是我干的后德。我是一名探鬼主播部宿，決...
沈念sama閱讀 40,418評論 3贊 419
雙鴛鴦連環(huán)套：你想象不到人心有多黑
文/蒼蘭香墨我猛地睜開眼剪况，長吁一口氣：“原來是場噩夢啊……” “哼棉胀！你這毒婦竟也來了？” 一聲冷哼從身側(cè)響起拌倍，我...
開封第一講書人閱讀 39,332評論 0贊 276
萬榮殺人案實(shí)錄
序言：老撾萬榮一對情侶失蹤箱季，失蹤者是張志新（化名）和其女友劉穎涯穷，沒想到半個月后，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體藏雏，經(jīng)...
沈念sama閱讀 45,796評論 1贊 316
?護(hù)林員之死
正文獨(dú)居荒郊野嶺守林人離奇死亡拷况，尸身上長有42處帶血的膿包…… 初始之章·張勛以下內(nèi)容為張勛視角年9月15日...
茶點(diǎn)故事閱讀 37,968評論 3贊 337
?白月光啟示錄
正文我和宋清朗相戀三年作煌，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片赚瘦。...
茶點(diǎn)故事閱讀 40,110評論 1贊 351
活死人
序言：一個原本活蹦亂跳的男人離奇死亡粟誓，死狀恐怖，靈堂內(nèi)的尸體忽然破棺而出起意，到底是詐尸還是另有隱情鹰服，我是刑警寧澤，帶...
沈念sama閱讀 35,792評論 5贊 346
?日本核電站爆炸內(nèi)幕
正文年R本政府宣布揽咕，位于F島的核電站悲酷，受9級特大地震影響，放射性物質(zhì)發(fā)生泄漏亲善。R本人自食惡果不足惜设易，卻給世界環(huán)境...
茶點(diǎn)故事閱讀 41,455評論 3贊 331
男人毒藥：我在死后第九天來索命
文/蒙蒙一、第九天我趴在偏房一處隱蔽的房頂上張望蛹头。院中可真熱鬧顿肺，春花似錦、人聲如沸渣蜗。這莊子的主人今日做“春日...
開封第一講書人閱讀 32,003評論 0贊 22
一樁弒父案，背后竟有這般陰謀
文/蒼蘭香墨我抬頭看了看天上的太陽耕拷。三九已至讼昆，卻和暖如春，著一層夾襖步出監(jiān)牢的瞬間斑胜，已是汗流浹背控淡。一陣腳步聲響...
開封第一講書人閱讀 33,130評論 1贊 272
情欲美人皮
我被黑心中介騙來泰國打工嫌吠，沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留止潘，地道東北人。一個月前我還...
沈念sama閱讀 48,348評論 3贊 373
代替公主和親
正文我出身青樓辫诅，卻偏偏與公主長得像凭戴，于是被迫代替她去往敵國和親。傳聞我的和親對象是個殘疾皇子炕矮，可洞房花燭夜當(dāng)晚...
茶點(diǎn)故事閱讀 45,047評論 2贊 355