文：蓝兔子读难NOTES
图：配图 来源于网络
Python3 量化分析从小白到破产笔记
马科维茨-有效前沿1
编码：0006
最前面先放个简易目录，理清思绪好上路。
python基础：
编程环境准备
基础语法与规范：注释、缩进～
当前=>小案例马科维茨-有效前沿1
常用运算符：平方、与或非～
程序3种执行结构：顺序、分支、循环
高阶数据类型：列表、字典～
函数：定义、调用、传参～
高级特性：切片、迭代～
文件读写：打开、保存～
异常处理：～
常用内置函数汇总：～
常用内置模块：os、datetime～
python 包：numpy、pandas～
数据获取：
tushare（直接获取交易数据）
处理和分析数据：
Numpy（数组、矩阵）
Pandas（表格、excel）
Scipy（数理统计）
可视化：
Matplotlib（画图）
seaborn（画图）
实践是最好的老师，成就感是永恒的动力，所以我们先来做个小案例，看看python的实际应用 - 做个马科维茨的投资组合试一试。
在此之前，我们先说一下谁是马科维茨。早在二十世纪五十年代，马科维茨就提出了“不要把所有鸡蛋都放在同一个篮子里”的理论。并且这前辈在1990年获得了诺贝尔经济学奖。
什么是有效前沿呢？就是把鸡蛋放到所有的篮子里，不同的篮子放不同数量的鸡蛋，最终导致的各种结果的最好的那些结果组成的曲线。我们把鸡蛋换成钱，把篮子换成各种投资渠道，也就是把各种权重的钱投到各种各样的地方，最终会得到每一种投资方式的收益和风险。
每一种投资组合都对应了一个风险和一个收益，我们在坐标轴上，以横轴为风险，以纵轴为收益，就可以用一个点把某一具体的投资组合表示出来。
我们有无数种投资渠道，而每一种投资渠道的投入比例也可以任意搭配，因此，理论上我们也可以画出无数个点。在这些点中，我们选出那些满足：
相同收益下，风险最小
相同风险下，收益最高
的点，得到的一个点集，就是我们的有效前沿。更多关于有效前沿的内容，我们将会在CFA系列的「投资组合」这一科目中学习，感兴趣的朋友可以点击订阅哦！
现在，我们就来看看用Python如何把这些无数个投资组合的风险和收益表示在坐标系上。我们的大体思路是这样的：
1、随便挑选5个左右股票代表可选的投资渠道；
2、获取这5只股票最近一年的股价数据；
3、随机生成100000组买入股票的权重比例；
4、计算每一组权重下的收益；
5、计算每一种权重下的风险（方差）；
6、在坐标轴中，画出各个组合的位置；
7、就可以看到相同收益下，风险最小；相同风险下，收益最高的点啦。
需要用到的python工具包（库）：
tushare：获取股票数据
pandas : 类似excel的表格数据处理，处理股票数据
numpy：科学计算库，矩阵计算
matplotlib：用来画图的
下面直接开始吧，第一步就是要导入我们要用到的工具包，使用：
「import 包的名字」 导入即可 ，我们使用import 名字 as **，只是为了简化名称，在后文中**就代表包的名字。
定义一个函数，它可以根据我们输入的股票只数和需要的组合数，随机为我们生成权重，比如5只股票分别为：0.1,0.2,0.3,0.2,0.2。
定义了一个函数，从网络获取我们之前输入的股票的历史数据，稍加处理后，只保留收盘价，以备进一步处理
下面为获取的股票收盘价数据：
上面的信息都是每天的，下面需要进行年化，并结合每只股票的权重，计算整个组合的收益。
最终的收益计算结果如下：
下面是风险（标准差）的计算结果：
找出最大的收益和最小的风险的点，一会要标到图上去：
找到夏普比率最优的组合，一会标到图上去：
下面就是画图了：
由于这个代码稍微有点长度，我已经专门用文本写了一遍，现在可以像脚本语言那样执行了，具体的方式如下：
在jupyter notebook中点击「新建」- > 「终端」，就可以打开一个新的终端（直接用电脑原来的终端也可以）。
在终端中，直接使用python3 **.py 就可以执行该文本文件了。这里的**就是对应的文本文件的名字。不过在此之前，必须要进入该文件存放的文件夹。查看当前文件夹的命令是「pwd」，查看当前文件夹中有哪些东西的命令是「ls」，进入某一个文件夹是「cd 文件夹名字」。可以使用tab键进行自动补全。
小白水平有限，错漏之处欢迎指正。另外源文件包含两个.py文件，使用时需要放到同一目录下。需要的朋友可以关注gongzhong号CFArabbit回复EF获取。
下面是我改变随机权重组数和目标股票获得的图片：
相关文章(关注gzhh：CFArabbit获取更多内容）
网友评论