上述代码似乎有问题能否重新写一遍

确实，在上面的代码示例中，对于风险资产的预期收益和风险标准差，我没有提供具体的数值，这可能导致结果不准确。以下是修正后的代码，包括了假设的数据：

# 假设具体数据
expected_returns = np.array([0.02, 0.06, 0.09])  # 三个资产的预期年化收益率
standard_deviations = np.array([0.05, 0.10, 0.15])  # 同样的，风险的标准差

# 其他部分保持不变
returns = expected_returns.reshape(-1, 1)
cov_matrix = np.cov(returns)

def objective(weights):
    portfolio_return = weights @ expected_returns
    portfolio_volatility = np.sqrt(weights @ cov_matrix @ weights)
    return -portfolio_return + risk_aversion * portfolio_volatility

# ... 其他部分与之前一样 ...

# 更新初始猜测和约束
initial_guess = np.ones(returns.shape[1]) / returns.shape[1]
constraints = ({'type': 'eq', 'fun': lambda x: sum(x) - 1})

# 求解
optimized_weights = minimize(objective, initial_guess, constraints=constraints)
print("最优投资比例：", optimized_weights.x)

现在代码包含了一个完整的例子，你可以替换`expected_returns`和`standard_deviations`为你实际的数据。