數據科學公開課 – 針對股票投資進行組合優化

課程預期達到的目標

組合優化是人們在進行投資風險產品時根據對將來的預期實現最佳回報策略的量化計算，是風險資產管理的重點之一。     

在此教程，咱們使用 Jupyter Notebooks 和docplex規劃引擎對股票組合進行實際優化計算，實現馬科維茨的指望-方差模型，以得到預期收益下的最佳個股配比。

完成這次課程，指望您能夠達到以下目標：

理解指望-方差投資模型

在IBM Data Science Experience (DSX)中建立和運行 Jupyter Notebook

針對個股獲取歷史價格，並完成對數收益率等計算

使用docplex python api

可使用docplex 創建二次規劃模型

圖形化展示馬科維茨投資組合有效前沿曲線

使用模型計算指望收益的個股最佳配比

背景知識 – 投資學基礎

投資的基本屬性 – 收益與風險

投資有風險，入市需謹慎

不要把雞蛋放在一個籃子裏 收益越高，風險越大 … …

投資學中把風險劃分爲兩部分

系統風險 – 共性的、不可分散的風險

非系統風險 – 可分散的風險 組合投資的重點就是分散風險

背景知識 – 有效市場假設

有效市場假說認爲，證券價格已經充分反映了全部相關的信息，資本市場相對於這個信息集是有效的，任何人根據這個信息集進行交易都沒法得到經濟利潤。

弱式有效市場假說(Weak-Form Market Efficiency)

市場價格已充分反映出全部過去歷史的證券價格信息，包括股票的成交價、成交量，賣空金額、融資金額等；

推論一：若是弱式有效市場假說成立，則股票價格的技術分析失去做用，基本分析還可能幫助投資者得到超額利潤.。

半強式有效市場假說(Semi-Strong-Form Market Efficiency)

價格已充分反映出全部已公開的有關公司營運前景的信息。這些信息有成交價、成交量、盈利資料、盈利預測值、公司管理情況及其它公開披露的財務信息等。假如投資者能迅速得到這些信息，股價應迅速做出反應。

推論二：若是半強式有效假說成立，則市場中利用技術分析和基本分析都失去做用，內幕消息可能得到超額利潤。

強式有效市場假說(Strong-Form Market Efficiency)

價格已充分地反映了全部關於公司營運的信息，這些信息包括已公開的或內部未公開的信息。

推論三：在強式有效市場中，沒有任何方法能幫助投資者得到超額利潤，即便基金和有內幕消息者也同樣。

馬科維茨的指望-方差模型

1952年馬科維茨提出指望-方差模型，該模型在無借貸狀況下股票組合中以收益率和方差找出投資組合的有效邊界，即必定收益率下最小方差的組合。

涉及概念：

收益 – 組合的指望回報

風險 – 組合方差

風險和組合權衡 – 二次規劃求解

連接: http://datascience.ibm.com

IBM CPLEX 決策優化功能能夠幫助處理各類資源優化問題

1. 狀況一般是一個業務問題，如複雜的規劃，調度，訂價，庫存或資源管理。它是許多操做問題之一，超出了人腦或標準辦公軟件的功能。

2. 解決方案從優化模型開始，是引擎能夠解釋和解決的數學公式。模型規定了涉及的目標，限制和選擇之間的關係。

3. 優化引擎應用數學算法找到解決方案，一組達到目標的最佳價值和尊重限制的決策。決策優化使用已被證實對真實應用程序特別有用的IBM CPLEX優化引擎。

4. 解決方案詳細描述了模型中表示的全部決策的建議值。表明目標的度量值一樣重要。這些值根據業務目標衡量解決方案的質量。

5. 全部這些都經過對應應用程序提供給業務用戶。

 

先使用郵件註冊IBM Cloud，將會有1個月免費體驗的權限，並可使用最多4個服務

https://console.bluemix.net

註冊成功後，登陸IBM DSX https://dataplatform.ibm.com/

點擊「試用」(Try it for Free)，點擊右下方「已有IBM 雲帳戶」的連接

根據提示登陸 建立一個新項目(Project)

建立一個notebook

所需文件的連接

https://github.com/dongpo2/datascience

Create notebook link:

https://raw.githubusercontent.com/dongpo2/datascience/master/Portfolio_cplex.ipynb

 

視頻教程以下

數據科學實踐——投資背景知識介紹

數據科學實踐——dsx相關功能介紹

數據科學實踐——環境設置及操做

數據科學實踐——程序運行及內容介紹

更多雲客堂視頻點擊進入

https://www.oschina.net/ibm/page/ykt