【python】数据分析学习（投资组合）

学习视频：https://www.bilibili.com/video/BV1Pa4y1Y7pm?t=22

投资组合

导入所需库：

import yfinance as yf
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(font='SimHei',rc={'figure.figsize':(15,9)})

获取数据：

tickers = {
    '000001.SS':'上证综指',
    '600519.SS':'贵州茅台',
    '518880.SS':'黄金ETF'
}

data = yf.download(list(tickers),start='2019-06-01',end='2020-06-01')['Close']
data.rename(columns=tickers,inplace=True)
data.head() #取前五

#画图
(data/data.iloc[0]).plot()

收益：

#收益率
r_log = np.log(data/data.shift(1))

#年化收益率
r_annual = np.exp(r_log.mean()*252)-1
r_annual

风险：

#风险
std = np.sqrt(r_log.var()*252) #标准差

组合的收益与风险

#随机生成权重
def gen_weights(n):
    w = np.random.rand(n)
    return w/np.sum(w)
n = len(list(tickers))
w = gen_weights(n)

list(zip(r_annual.index,w))

#投资收益
def port_ret(w):
    return np.sum(w * r_annual)

#投资风险(组合的标准差)
def port_std(w):
    return np.sqrt(w.T.dot((r_log.cov()*252).dot(w)))
port_std(w)

# 生成多次随机的投资组合
def gen_ports(times):
    for p in range(times):
        w = gen_weights(n)
        yield (port_std(w),port_ret(w),w)

df = pd.DataFrame(gen_ports(3000),columns=['std','ret','w'])
df.head()

夏普比率：

#夏普比率
df['sharp'] = (df['ret']-0.03)/df['std']
plt.scatter(df['std'],df['ret'],c=df['sharp'],cmap='coolwarm',marker='o')
plt.grid(True)
plt.xlabel('pstd')
plt.ylabel('pret')
plt.colorbar(label='sharp')

推荐投资组合：

#推荐投资组合
list(zip(r_annual.index,df.loc[df.sharp.idxmax()].w))

推荐组合夏普比率：

sharp = (port_ret(w)-0.03)/port_std(w)
sharp 

# output:1.959500828606356

这个值很高了，不错。