Python:数据可视化 一、matplotlib基础 1、导入matplotlib的pyplot模块,绘制线条 2、设置线条属性 color:线条颜色,值r表示红色(red) marker:点的形状,值o表示点为圆圈标记(circle marker) linestyle… 四明 强大的GPU与张量计算:Pytorch、Numpy与Fortran进行矩阵相乘的速度对比 ALAN 加
python如何求有效前沿与无差异曲线的切点 有效前沿曲线怎么算,一、资产配置的类型纵向配置:acrosstime,择时,不同的时间配置不同的资产。例如:先储蓄,再买房横向配置:acrossassets,同一个时间上配置多样资产。 二、三步法资产配置分一下4种情况讨论;越往后越靠
马科维茨有效前沿是经典的资产配置模型,对于给定收益率,有效前沿上的投资组合风险最小。 初学时,感觉绘制有效前沿是个极其有难度的事情,基本不可能完成。后来学了Python的一些数值计算方法,才感觉用程序绘制有效前沿其实是能完成的。 本文选择了上证50成分股进行有效前沿绘制,并用shibor代替无风险利率绘制CML。 一.公共...
Random initialization of weights can work for a portfolio with few assets but when assets grow large, the cost of computing and time it takes can be forbidding. However, solving for the best portfolio is an optimization problem with constraints. We can use Solvers from python either for getting...
在下面我们模拟了三个风险资产,并用python画出了有效前沿曲线。图1还标注了最小方差组合(C组合)、最优夏普组合(Q组合)以及全额等权组合(E组合)。 图1 有效前沿的应用 有效前沿曲线告诉我们,在全额投资的条件下,所有基于风险厌恶型的投资者都应该选择有效前沿曲线上投资组合,它们是均值方差最优的。那么这个理论工具...
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。
(3)下面介绍通过JQData及Monte Carlo模拟来建立有效前沿组合,然后找出最优组合和有着最低波动率的组合。 1 通过JQData获取数据 # 导入所需的python库 import jqdatasdk as jq import pandas as pd import numpy as np import matplotlib.pyplot as plt展开代码 ↓ ...
7. 例如，通过Python计算，可以确定2015年至2019年间5种股票投资组合的有效前沿。8. 投资者应选择有效前沿上的资产配置，以实现最佳的风险收益平衡。9. 欲深入掌握和实践这些概念，可参考《Python金融量化实战固定收益类产品分析》一书，该书结合理论与实践，提供丰富的学习资源。
以实际案例为例，如2015年至2019年间的5种股票投资组合，通过Python计算可以找出有效前沿。对于投资者，关键在于选择在有效前沿上的资产配置，以实现最佳的风险收益平衡。想要深入了解和实践这些概念，可以参考书籍《Python金融量化实战固定收益类产品分析》，它将理论与实践相结合，提供丰富的资源支持。
就是执行pip...list 的时候,提示“解释器错误: 没有那个文件或目录” 的解决办法 我的步骤 (root) ges@gpu-1:~$ pip install prepro 报错 -bash: /home/ges/anaconda3.../envs/ges/bin/pip: /home/zxs/anaconda3/envs/ges/bin/python: 解释器错误: 没有那个文件或目录 2 解决 那就先进入/home/...