如何使用 Python 解决风险平价分配问题

Question

我想使用 python 来解决风险平价问题。

风险平价是金融投资组合构建的经典方法。基本思想是确保每个资产的风险贡献相等。

例如，假设有 3 个资产，资产 returns 的协方差矩阵已知：

(var_11,var_12,var_13

var_12,var_22,var_23

var_13,var_23,var_33)

我想为这些资产 (w1,w2,w3) 提出一个投资组合权重，以便：

w1+w2+w3=1

w1>=0
w2>=0
w3>=0

并且每项资产的风险贡献等于：

w1^2*var_11+w1*w2*var_12+w1*w3*var_13

=w2^2*var_22+w1*w2*var_12+w2*w3*var_23

=w3^2*var_33+w1*w3*var_13+w2*w3*var_23

我不确定如何使用 python 求解这些方程，任何人都可以解释一下吗？

Answer 1

晚了一年多，但使用了 numpy 和 scipy 求解器。这家伙解释得很好并且在 python.

中做到了

https://thequantmba.wordpress.com/2016/12/14/risk-parityrisk-budgeting-portfolio-in-python/

所有功劳都归功于写博客的人 post。这是博客中的代码...

from __future__ import division
import numpy as np
from matplotlib import pyplot as plt
from numpy.linalg import inv,pinv
from scipy.optimize import minimize

 # risk budgeting optimization
def calculate_portfolio_var(w,V):
    # function that calculates portfolio risk
    w = np.matrix(w)
    return (w*V*w.T)[0,0]

def calculate_risk_contribution(w,V):
    # function that calculates asset contribution to total risk
    w = np.matrix(w)
    sigma = np.sqrt(calculate_portfolio_var(w,V))
    # Marginal Risk Contribution
    MRC = V*w.T
    # Risk Contribution
    RC = np.multiply(MRC,w.T)/sigma
    return RC

def risk_budget_objective(x,pars):
    # calculate portfolio risk
    V = pars[0]# covariance table
    x_t = pars[1] # risk target in percent of portfolio risk
    sig_p =  np.sqrt(calculate_portfolio_var(x,V)) # portfolio sigma
    risk_target = np.asmatrix(np.multiply(sig_p,x_t))
    asset_RC = calculate_risk_contribution(x,V)
    J = sum(np.square(asset_RC-risk_target.T))[0,0] # sum of squared error
    return J

def total_weight_constraint(x):
    return np.sum(x)-1.0

def long_only_constraint(x):
    return x

x_t = [0.25, 0.25, 0.25, 0.25] # your risk budget percent of total portfolio risk (equal risk)
cons = ({'type': 'eq', 'fun': total_weight_constraint},
{'type': 'ineq', 'fun': long_only_constraint})
res= minimize(risk_budget_objective, w0, args=[V,x_t], method='SLSQP',constraints=cons, options={'disp': True})
w_rb = np.asmatrix(res.x)

Answer 2

我刚刚发布了一个 python 包来解决经典的风险平价问题。

基本上一行就可以解决你的问题：

import riskparityportfolio as rp
optimum_weights = rp.vanilla.design(cov, b)

其中 cov 是资产的协方差矩阵，b 是所需的预算向量。此外，该软件包允许任意线性等式和不等式约束，以及添加 objective 项，例如均值 return 和波动率。检查一下：https://mirca.github.io/riskparity.py and https://github.com/mirca/riskparity.py

如何使用 Python 解决风险平价分配问题

How to solve risk parity allocation using Python

python

equation

portfolio

nonlinear-functions