用PYTHON优化投资组合的配置

用PYTHON优化投资组合的配置

---

简介

本文运用马科维茨的CAPM理论对已有的ETF进行配置优化。详细的分析每一个 ETF的收益指标，综合考虑最近两年的收益率和波动率，通过计算这些参数，最终达到，一个优秀的配置比例使得波动小而收益高。

1.引入库和数据

首先导入用到的库。

然后导入ETF每天收盘价的数据。
各个ETF 的代号及名称：
SPY----标普500指数
PBW----清洁能源上市公司加强指数
AAPL----苹果公司股票
INDA----印度孟买交易所大中型股票指数
EQR----美国住宅租赁管理公司
GOVT----美国长期国债
GLD---- 黄金现货ETF

2.初步观察

模拟自2020年1月1日开始投资到现在的收益变动情况：就是假设那个在起点时间在每个ETF投入一块钱，到现在的市场价格。

PS：成长股（PBW）的波动太大了，跟利率的变动关系很大，在加息之前逃顶很重要。

3.计算收益率

使用对数公式计算每日收盘价格的收益率。

计算所有资产：

展示每个资产收益率的分布：

4.计算基础参数

近两年的年化平均收益率（2020年1月1日–2022年3月23日）：

苹果公司牛逼！
协方差矩阵并（年化处理）：

相关系数：

股票收益率的年化波动率：

5.分析各项投资指标

夏普比率：

Sortino ratio:
先计算下半方差：

再算Sortino比率：

计算特雷诺比率(Treynor ratio)：

信息比率(IR):

6.做出有效前沿和资本市场线

根据ETF组合每日的收盘价和上面算出的基础数据，模拟各种可能的组合。在假设无风险利率Rf=2.5%时，做出有效前沿（efficient frontier）和资本市场线（Capital Market Line，简称CML），并算出最优的配置点。

7.优化资产最优比例

最终的投资组合是：
48.8%的资金投资苹果公司的股票，52.2%的资金投资于黄金现货，这样可以得到既高收益又低风险的投资组合。

投资组合年化收益24%，组合波动率21%。