投资组合回报率代码 matlab

以下是一个简单的示例代码，用于计算投资组合的回报率：

returns = [0.1, 0.05, -0.02, 0.2]; % 投资组合每期的回报率
weights = [0.3, 0.4, 0.2, 0.1]; % 投资组合每项资产的权重

portfolio_return = sum(returns .* weights); % 计算投资组合的回报率

portfolio_return

请注意，这只是一个简单的示例代码，假设投资组合的回报率和权重已经给定。你可以根据实际情况进行修改。

相关问题

给我一段matlab代码来通过随机生成投资组合权重，计算每个投资组合的收益率和波动率，并找到夏普比率最高的最优投资组合

好的，以下是一段实现上述功能的 Matlab 代码：

% 假设有 n 只股票，每只股票的收益率为 mu，标准差为 sigma
n = 10;
mu = rand(n,1)*0.2; % 收益率随机生成
sigma = rand(n,1)*0.3; % 标准差随机生成

% 随机生成投资组合权重，每个权重的取值范围为 [0,1]，总和为 1
num_portfolios = 10000;
weights = zeros(num_portfolios, n);
for i = 1:num_portfolios
    w = rand(n,1);
    weights(i,:) = w/sum(w);
end

% 计算每个投资组合的收益率和波动率
port_returns = weights * mu;
port_volatility = sqrt(weights * diag(sigma.^2) * weights');

% 计算每个投资组合的夏普比率
risk_free_rate = 0.01; % 假设无风险利率为 1%
sharp_ratio = (port_returns - risk_free_rate) ./ port_volatility;

% 找到夏普比率最高的最优投资组合
[max_sharp_ratio, max_idx] = max(sharp_ratio);
optimal_weights = weights(max_idx,:);
optimal_return = port_returns(max_idx);
optimal_volatility = port_volatility(max_idx);

% 打印结果
fprintf('最优投资组合的夏普比率为 %.2f\n', max_sharp_ratio);
fprintf('最优投资组合的收益率为 %.2f%%\n', optimal_return*100);
fprintf('最优投资组合的波动率为 %.2f%%\n', optimal_volatility*100);
fprintf('最优投资组合的权重为：\n');
disp(optimal_weights');

这段代码首先随机生成了 n 只股票的收益率和标准差，然后生成了 num_portfolios 个随机投资组合权重，并计算每个投资组合的收益率、波动率和夏普比率。最后找到夏普比率最高的最优投资组合，并输出其收益率、波动率和权重。注意，这里假设了无风险利率为 1%。

matlab均值-cvar投资组合模型代码

MATLAB均值-CVaR投资组合模型代码是用于计算投资组合的平均收益和条件风险价值（Conditional Value at Risk）的方法。下面是一个基本的MATLAB代码示例：

% 设置收益率数据
returns = [0.05, 0.10, 0.08, -0.05, 0.04];
weights = [0.2, 0.3, 0.1, 0.15, 0.25];

% 计算投资组合的平均收益
portfolio_returns = returns * weights';

% 计算投资组合的协方差矩阵
covariance_matrix = cov(returns);

% 按照投资组合权重计算投资组合方差和标准差
portfolio_variance = weights * covariance_matrix * weights';
portfolio_std = sqrt(portfolio_variance);

% 设置风险水平（如95%）
alpha = 0.95;

% 使用快速排序找到按收益率排序的所有可能组合的条件风险价值（CVaR）
sorted_returns = sort(returns);
index = floor((1-alpha) * length(sorted_returns));
cvar = mean(sorted_returns(1:index));

% 输出结果
disp(['投资组合平均收益:', num2str(portfolio_returns)]);
disp(['投资组合标准差:', num2str(portfolio_std)]);
disp(['投资组合条件风险价值(CVaR):', num2str(cvar)]);

以上代码示例中，首先设置了收益率数据和投资组合权重。然后利用公式计算了投资组合的平均收益、协方差矩阵、方差和标准差。接下来，根据设定的风险水平，使用快速排序找到了按照收益率排序的所有可能组合的条件风险价值（CVaR）。最后，输出了计算结果。

这是一个基本的MATLAB均值-CVaR投资组合模型代码示例，可以根据具体需求和数据进行进一步的修改和优化。