问题描述
我正在尝试找到在一定波动性下最大化夏普比率的投资组合。我创建了以下函数：
def create_results_dataframe(tickers,numero_portefolios,mean_retornos_diarios,a_matriz_covariancia):
results_temp = np.zeros((4 + len(tickers) - 1,numero_portefolios))
for i in range(numero_portefolios):
pesos = np.array(np.random.random(len(crypto)))
pesos /= np.sum(pesos)
retorno_portefolio = np.sum(mean_retornos_diarios * pesos) * 365
std_dev_portefolio = np.sqrt(np.dot(pesos.T,np.dot(a_matriz_covariancia,pesos))) * np.sqrt(365)
risk_free = 0.0145
results_temp[0,i] = retorno_portefolio
results_temp[1,i] = std_dev_portefolio
results_temp[2,i] = (results_temp[0,i] - risk_free) / results_temp[1,i]
for j in range(len(pesos)):
results_temp[j + 3,i] = pesos[j]
solucao_df = pd.DataFrame(results_temp.T,columns=['retorno','stdev','sharpe',tickers[0],tickers[1],tickers[2],tickers[3],tickers[4],tickers[5]])
return solucao_df
solucao = create_results_dataframe(crypto,100000,retorno_medio_diario_crypto,matriz_covariancia)
这些都可以很好地找到具有最大锐利比率的投资组合；最小波动率和最大波动率。
def max_sharpe_ratio(solucao_df):
return solucao_df.iloc[solucao_df['sharpe'].idxmax()]
def vol_min(solucao_df):
return solucao_df.iloc[solucao_df['stdev'].idxmin()]
def vol_max(solucao_df):
return solucao_df.iloc[solucao_df['stdev'].idxmax()]
我现在想找到使 stdev 为 1（或其他波动率。有几个 stdev 为 1 的投资组合。我只想要夏普比率最高的一个）的投资组合：
我正在尝试这个，但似乎无法让它工作。我知道有些东西不见了。
def vol_1(solucao_df):
return solucao_df.loc[solucao_df['stdev'] == 1]
提前致谢。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）