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只股票的209天的收盘价
clc
clear
load zuiyouhua.mat
gpsl=3;
% 1-计算收益率矩阵
retu=price2ret(zuiyouhua);
% 2-计算期望收益
expv=mean(retu);
%% 3-计算协方差矩阵 % aita(X,Y)=sigama(Xi-X)(Yi-Y)Pi
aita=cov(retu);
eig3=eig(aita);
% 随机产生投资方案，计算并画图其可行域 
% rand('state',0);
weights=rand(1000,gpsl);   % 产生1000行，3列随机数
total=sum(weights,2);      % 按列求和
for gpi=1:gpsl             % 比例标准化，变成了权重矩阵
    weights(:,gpi)=weights(:,gpi)./total;
end
[portrisk,portreturn]=portstats(expv,aita,weights);  %%  1-期望收益，2-协方差矩阵，3-多组权重-投资方案
% 绘图
%title('均值-方差有效前沿以及各个资产组合的风险与收益')
%xlabel('风险（标准差）')
%ylabel('期望收益率')
%hold on
%% 计算200组有效的投资组合，并绘图
%-协方差矩阵非半正定，进行修正。
aita=aita+eye(gpsl,gpsl)*0.00001;
portopt(expv,aita,200);   % 1-期望收益，2-协方差矩阵，3-有效组合的数量
hold on
%收集有效集收益、风险及权重情况
[ef_port_return,ef_port_risk,ef_port_weight]=portopt(expv,aita,200);
% 随机产生投资方案，计算并画图其可行域 
weights=rand(1000,gpsl);    % 产生1000行，3列随机数
total=sum(weights,2);      % 按列求和
for gpi=1:gpsl             % 比例 标准化，变成了权重矩阵
    weights(:,gpi)=weights(:,gpi)./total;
end
[portrisk,portreturn]=portstats(expv,aita,weights);  %%  1-期望收益，2-协方差矩阵，3-多组权重-投资方案
% 绘图
plot(portrisk,portreturn,'.r')
title('均值-方差有效前沿以及各个资产组合的风险与收益')
xlabel('风险（标准差）')
ylabel('期望收益率')
hold on
A=10;
u=ef_port_return-A*ef_port_risk;
[mostu,index]=max(u)