资产组合理论及实战(2) - 蒙特卡洛方法

原创

已于 2023-12-08 23:55:34 修改 · 1.6k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#python #金融

于 2023-12-08 23:40:06 首次发布

本文介绍了如何使用蒙特卡洛模拟方法在资产配置中寻找最优投资组合，通过随机生成大量资产分配方案，计算波动率和夏普率，以找到风险最小、收益最高的组合。然而，实际应用中可能遇到有效前沿不明显的问题，引发关于标的数量、时间点调整和算法效率的讨论。

所谓蒙特卡洛模拟，就是随机产生大量的资产分配方案，然后再计算各种分配方案下，所得到的波动率、夏普率，再根据最优的夏普率，反查资产分配方案。

主要操作我们在上一节已经介绍过，这一步主要做的事情是不断地重复。我们先把代码给出来，再进行解释：

num_ports = 5000

w = np.zeros((num_ports, len(stocks)))
vol_arr = np.zeros(num_ports)
sharpe_arr = np.zeros(num_ports)
port_return_arr = np.zeros((num_ports, len(returns)))
cov_arr = np.zeros(num_ports)

for i in range(num_ports):
    weights = np.array(np.ran