Python中N资产投资组合的投资组合方差答案

【问题标题】：Portfolio Variance of a Portfolio of N Assets in PythonPython中N资产投资组合的投资组合方差
【发布时间】：2011-11-16 13:40:59
【问题描述】：

投资组合方差计算如下：

port_var = W'_p * S * W_p

对于具有 N 资产的投资组合，其中

W'_p = transpose of vector of weights of stocks in portfolios
S = sample covariance matrix
W_p = vector of weights of stocks in portfolios

我有以下 numpy 矩阵。

投资组合中股票权重的数组（向量）（共有 10 只股票）：

weights = np.array(
     [[ 0.09],
      [ 0.05],
      [ 0.15],
      [ 0.10],
      [ 0.15],
      [ 0.15],
      [ 0.08],
      [ 0.08],
      [ 0.1 ],
      [ 0.05]])

股票收益的协方差矩阵：

covar = np.array([[ 0.00154474  0.00079555  0.00099691  0.00052596  0.0005363   0.00062005
0.00064031  0.00037494  0.00018826  0.00132809],
[ 0.00079555  0.00287429  0.00058536  0.00091774  0.00046885  0.00110434
0.00137141  0.00046724  0.00030414  0.0016615 ],
[ 0.00099691  0.00058536  0.00155757  0.00056336  0.00052395  0.00060104
0.00057223  0.00021365  0.00017057  0.00130247],
[ 0.00052596  0.00091774  0.00056336  0.00126312  0.00031941  0.00088137
0.00024493  0.00025136  0.00011519  0.00135475],
[ 0.0005363   0.00046885  0.00052395  0.00031941  0.00054093  0.00045649
0.00042927  0.00021928  0.00016835  0.00093471],
[ 0.00062005  0.00110434  0.00060104  0.00088137  0.00045649  0.00133081
0.00060353  0.0003967   0.00024983  0.00168281],
[ 0.00064031  0.00137141  0.00057223  0.00024493  0.00042927  0.00060353
0.00468731  0.00059557  0.00020384  0.00078669],
[ 0.00037494  0.00046724  0.00021365  0.00025136  0.00021928  0.0003967
0.00059557  0.00082333  0.00017191  0.00066816],
[ 0.00018826  0.00030414  0.00017057  0.00011519  0.00016835  0.00024983
0.00020384  0.00017191  0.00036348  0.0004505 ],
[ 0.00132809  0.0016615   0.00130247  0.00135475  0.00093471  0.00168281
0.00078669  0.00066816  0.0004505   0.00530036]])

当我计算时

weights.T * covar * weights

结果是一个与 covar 大小相同的数组。我是投资组合理论的新手，但我认为投资组合的方差应该是一个标量（单值）。

有没有人有这方面的经验可能会有所帮助？

【问题讨论】：

标签： python arrays numpy portfolio variance

【解决方案1】：

np.dot(weights.T,np.dot(covar,weights))
# array([[ 0.00064654]])

对于二维 numpy 数组，np.dot 等价于矩阵乘法。

对于 2D 数组 np.dotted 与 1D 数组，np.dot 等价于矩阵向量乘法。

对于一维数组，np.dot 等价于内积。

对于 numpy 数组，* 执行逐元素乘法（必要时使用 broadcasting）。

weights.T*np.matrix(covar)*weights
#matrix([[ 0.00064654]])

或者，如果您将covar 转换为np.matrix，则* 等效于矩阵乘法。

【讨论】：

@strimp099 - 作为旁注，使用较新版本的 numpy（>= 1.5，我认为？）dot 也是一种 ndarray 方法。也就是说，你可以把unutbu的例子中的第一个例子写成weights.T.dot(covar.dot(weights))。对于某些事情，这种风格更简洁一些，尽管向后兼容的程度稍差。