Python 做大量组合的均值方差模型

1、导入相关包和模块

2、读取数据 zf=pd.read_csv('zf.csv',index_col='date')并查看前5项 zf,head()

3、对缺失值的删除操作 zf=zf.dropna()对数据的时间序列操作 zf.index=pd.to_datetime(zf.index)

4、连续收益率 zfr=np.log(zf/zf.shift(1)) 累积收益率分布图 (1+zfr).cumprod().plot(),plt.title('ljrate')

5、做大量的随机资金权重相应的收益率与方差值zfset=[争犸禀淫'rk','sy','hb','sd']noa=len(芰垄孕动zfset)weights=np.random.random(noa)weights/=np.sum(weights)port_zfr=[]port_variance=[]for p in range(10000): weights=np.random.random(noa) weights/=np.sum(weights) port_zfr.append(np.sum(zfr.mean()*252*weights)) port_variance.append(np.sqrt(np.dot(weights.T, np.dot(zfr.cov()*252, weights))))port_zfr=np.array(port_zfr)port_variance=np.array(port_variance)risk_free = 0.04plt.figure(figsize=(8,4))plt.scatter(port_variance, port_zfr, c=(port_zfr-risk_free)/port_variance, marker='o')plt.grid(True)plt.xlabel('excepted volatility')plt.ylabel('expected return')plt.colorbar(label='Sharpe ratio')