實(shí)踐是最好的學(xué)習(xí)方式宛渐，如果能學(xué)以致用，不僅能鞏固提升技能仿耽，也有助于保持學(xué)習(xí)動(dòng)力合冀。網(wǎng)上也有其他人用Python建投資組合的文章，但不是過(guò)于強(qiáng)調(diào)理論就是直接上代碼项贺，代碼又長(zhǎng)又難懂水慨，還用了不少?zèng)]見(jiàn)過(guò)的庫(kù)，畫出的圖形很炫敬扛，但不適合我這種初級(jí)水平晰洒、只想求出個(gè)權(quán)重的人。所以決定不找網(wǎng)上現(xiàn)成的代碼啥箭，自己從零編起谍珊。
我的需求很樸素，給定若干資產(chǎn)急侥，求出它們?cè)诮M合中的權(quán)重砌滞。
馬科維茨資產(chǎn)組合投資理論其實(shí)就是一個(gè)有條件的最優(yōu)化問(wèn)題：給定期望收益率水平，求使風(fēng)險(xiǎn)最小的資產(chǎn)權(quán)重坏怪。求出權(quán)重后可以得到組合的風(fēng)險(xiǎn)（用方差表示）贝润。一個(gè)個(gè)（風(fēng)險(xiǎn)，收益率）點(diǎn)畫在圖上铝宵，就叫做可行集打掘，如下圖华畏。
b到a部分對(duì)我們沒(méi)用，我們需要的是b到c部分尊蚁，所以問(wèn)題也可轉(zhuǎn)化成給定風(fēng)險(xiǎn)亡笑，求最大化收益率
我們手里有的數(shù)據(jù)是（輸入）各只股票每天的交易價(jià)格，要得到的是（輸出）每只股票價(jià)值占組合價(jià)值的比例横朋，即權(quán)重仑乌。
馬科維茨資產(chǎn)組合投資理論里沒(méi)有價(jià)格，有的是每只股票的平均收益率和方差琴锭，二者的基礎(chǔ)都是日收益率晰甚，所以先把日收益率求出來(lái)。接著求期望和協(xié)方差矩陣
解決這個(gè)問(wèn)題的關(guān)鍵在于解最優(yōu)化問(wèn)題决帖。Scipy的optimize是用來(lái)處理最優(yōu)化問(wèn)題的压汪。在資產(chǎn)組合問(wèn)題中使用 scipy.optimize.minimize 方法。
scipy.optimize.minimize(fun,?x0,?args=(), method=None, jac=None,? hess=None,? hessp=None, bounds=None,?constraints=(),?tol=None,?callback=None,?options=None)
參數(shù)很多古瓤，我們只需用到以下幾個(gè)：
fun表示目標(biāo)函數(shù)止剖，即收益率
x0是參數(shù)的初始值，即要先給出權(quán)重的初始值落君，隨意給穿香，我是平均分配的
args是要提前傳給目標(biāo)函數(shù)的其他參數(shù)，包括每只股票的平均收益率和股票個(gè)數(shù)
method是求解方法绎速，選擇“SLSQP”
bounds是參數(shù)的取值范圍皮获，因?yàn)楣善敝荒茏龆嗖荒茏隹眨允牵?,1）
constraints約束條件纹冤，一個(gè)約束條件是一個(gè)字典洒宝，多個(gè)約束條件是由字典組成的序列。描述一個(gè)約束條件最主要由兩部分：類型（等式還是不等式）和函數(shù)（約束條件長(zhǎng)啥樣）
至此萌京，用python求解投資組合最重要的部分就解決了雁歌！
用python構(gòu)建資產(chǎn)組合投資的詳細(xì)代碼：https://github.com/galaxywong/portfolio-theory.git
