99.20 金融难点通俗解释:中药配方比喻马科维茨资产组合模型(MPT)

目录

    • 0. 承前
    • 1. 核心知识点拆解
    • 2. 中药搭配比喻方案分析
      • 2.1 比喻的合理性
    • 3. 通俗易懂的解释
      • 3.1 以中药房为例
      • 3.2 配方原理
    • 4. 实际应用举例
      • 4.1 基础配方示例
      • 4.2 效果说明
    • 5. 注意事项
      • 5.1 个性化配置
      • 5.2 定期调整
    • 6. 总结
    • 7. 代码实现

0. 承前

本文主旨:
本文通过中药配方这一生动比喻来解释马科维茨资产组合模型的核心概念。将投资收益比作药效,风险比作苦味,资产相关性比作药材相互作用,并通过Python代码实现了这一比喻,使读者能够直观理解投资组合中的收益、风险、相关性及分散投资的重要性,让复杂的金融理论变得通俗易懂。

本文代码实现可参考:
1. 揭秘原始马科维茨资产组合模型(理论+Python实战)

如果想更加全面清晰地了解金融资产组合模型进化论的体系架构,可参考:
0. 金融资产组合模型进化全图鉴

1. 核心知识点拆解

  • 期望收益率
    投资组合的预期回报,就像不同中药的预期药效。

  • 风险度量
    投资的不确定性和波动性,类比为中药的苦味和副作用。

  • 资产相关性
    不同投资品种间的关联程度,就像不同中药之间的相互作用。

  • 分散投资
    通过合理配置降低整体风险,类似中药的合理搭配。

2. 中药搭配比喻方案分析

2.1 比喻的合理性

  • 药效(收益):不同中药有不同功效,就像不同投资产品有不同收益
  • 苦味(风险):服用中药难免有苦味,正如投资必然面临风险
  • 相互作用(相关性):中药讲究配伍,投资也需要考虑资产间关系

3. 通俗易懂的解释

3.1 以中药房为例

想象你是一位小小中医师,面前有很多种中药:

  • 人参(高收益高风险):补气效果好,但价格贵
  • 枸杞(稳定收益低风险):温和补养,风险小
  • 黄连(负相关药材):性质偏寒,可以中和温热药材

3.2 配方原理

就像老中医配药时会考虑:

  1. 不能只求药效强(高收益),要考虑病人能否承受(风险承受能力)
  2. 不能所有药都是温热性质(避免正相关)
  3. 要适当搭配一些相反性质的药(引入负相关资产)

4. 实际应用举例

4.1 基础配方示例

小明想要补气养身(追求收益),可以这样搭配:

  • 60% 枸杞(稳健型资产)
  • 30% 人参(进取型资产)
  • 10% 黄连(对冲资产)

4.2 效果说明

  • 枸杞保底,风险小(低风险资产打底)
  • 人参提供强劲效果(提高收益)
  • 黄连中和调配(降低整体风险)

5. 注意事项

5.1 个性化配置

  • 年轻人(风险承受能力强):可以多配一些人参
  • 老年人(风险承受能力弱):以枸杞为主
  • 特殊体质(特殊情况):需要专门调配

5.2 定期调整

  • 根据身体状况调整(市场变化)
  • 注意服用反应(风险监控)
  • 适时改变配方(组合再平衡)

6. 总结

马科维茨模型就像是一个"智慧老中医"的配方法则:

  1. 不同药材搭配(资产组合)
  2. 讲究相互作用(相关性)
  3. 平衡药效和副作用(收益风险平衡)
  4. 因人制宜(个性化投资组合)

7. 代码实现

以下代码仅作比喻

import numpy as npdef chinese_medicine_portfolio(weights):"""中药组合配比计算函数参数:weights: 包含三种中药配比的列表/数组 [人参, 枸杞, 黄连]返回:portfolio_effect: 组合药效(预期收益)portfolio_bitterness: 组合苦味(风险)"""# 三种中药的预期药效(年化收益率)effects = np.array([0.15,   # 人参: 15% 药效0.08,   # 枸杞: 8% 药效0.05    # 黄连: 5% 药效])# 苦味协方差矩阵(风险矩阵)# 对角线表示各自的苦味程度(波动率的平方)# 非对角线表示两两之间的相互作用(协方差)bitterness_matrix = np.array([[0.25,  0.08,   -0.12],  # 人参苦味高,与枸杞正相关,与黄连负相关[0.08,  0.10,   0.02],   # 枸杞苦味中等,与其他都稍正相关[-0.12, 0.02,   0.15]    # 黄连苦味较高,与人参负相关])# 确保权重之和为1if not np.isclose(sum(weights), 1.0):raise ValueError("药材配比之和必须等于1!")# 计算组合药效(预期收益)portfolio_effect = np.dot(weights, effects)# 计算组合苦味(风险)portfolio_bitterness = np.sqrt(np.dot(weights, np.dot(bitterness_matrix, weights)))return portfolio_effect, portfolio_bitterness# 测试不同配方
def test_prescriptions():"""测试不同配方的效果"""print("不同配方的药效与苦味比较:\n")# 保守配方: 主要是枸杞conservative = [0.1, 0.8, 0.1]effect, bitter = chinese_medicine_portfolio(conservative)print(f"保守配方 (人参10%, 枸杞80%, 黄连10%):")print(f"药效: {effect:.2%}")print(f"苦味: {bitter:.2%}\n")# 激进配方: 主要是人参aggressive = [0.7, 0.2, 0.1]effect, bitter = chinese_medicine_portfolio(aggressive)print(f"激进配方 (人参70%, 枸杞20%, 黄连10%):")print(f"药效: {effect:.2%}")print(f"苦味: {bitter:.2%}\n")# 平衡配方balanced = [0.3, 0.6, 0.1]effect, bitter = chinese_medicine_portfolio(balanced)print(f"平衡配方 (人参30%, 枸杞60%, 黄连10%):")print(f"药效: {effect:.2%}")print(f"苦味: {bitter:.2%}")if __name__ == "__main__":test_prescriptions()

运行结果:
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/68832.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Spring Boot + Facade Pattern : 通过统一接口简化多模块业务

文章目录 Pre概述在编程中,外观模式是如何工作的?外观设计模式 UML 类图外观类和子系统的关系优点案例外观模式在复杂业务中的应用实战运用1. 项目搭建与基础配置2. 构建子系统组件航班服务酒店服务旅游套餐服务 3. 创建外观类4. 在 Controller 中使用外…

【JavaEE进阶】应用分层

目录 🎋序言 🍃什么是应用分层 🎍为什么需要应用分层 🍀如何分层(三层架构) 🎄MVC和三层架构的区别和联系 🌳什么是高内聚低耦合 🎋序言 通过上⾯的练习,我们学习了SpringMVC简单功能的开…

openeuler 22.03 lts sp4 使用 cri-o 和 静态 pod 的方式部署 k8s-v1.32.0 高可用集群

前情提要 整篇文章会非常的长…可以选择性阅读,另外,这篇文章是自己学习使用的,用于生产,还请三思和斟酌 静态 pod 的部署方式和二进制部署的方式是差不多的,区别在于 master 组件的管理方式是 kubectl 还是 systemctl有 kubeadm 工具,为什么还要用静态 pod 的方式部署?…

docker安装nacos2.2.4详解(含:nacos容器启动参数、环境变量、常见问题整理)

一、镜像下载 1、在线下载 在一台能连外网的linux上执行docker镜像拉取命令 docker pull nacos:2.2.4 2、离线包下载 两种方式: 方式一: -)在一台能连外网的linux上安装docker执行第一步的命令下载镜像 -)导出 # 导出镜像到…

Kubernetes组成及常用命令

Pods(k8s最小操作单元)ReplicaSet & Label(k8s副本集和标签)Deployments(声明式配置)Services(服务)k8s常用命令Kubernetes(简称K8s)是一个开源的容器编排系统,用于自动化应用程序的部署、扩展和管理。自2014年发布以来,K8s迅速成为容器编排领域的行业标准,被…

什么是门控循环单元?

一、概念 门控循环单元(Gated Recurrent Unit,GRU)是一种改进的循环神经网络(RNN),由Cho等人在2014年提出。GRU是LSTM的简化版本,通过减少门的数量和简化结构,保留了LSTM的长时间依赖…

Hot100之哈希

1两数之和 题目 思路解析 解法1--两次循环 解法2--哈希表一次循环 代码 解法1--两次循环 class Solution {public int[] twoSum(int[] nums, int target) {int nums1[] new int[2];int length nums.length;for (int i 0; i < length; i) {for (int j i 1; j < …

【Arxiv 大模型最新进展】LLaVA-Mini:压缩至一个视觉token,高效计算与实时响应的多模态大模型

【Arxiv 大模型最新进展】LLaVA-Mini&#xff1a;压缩至一个视觉token&#xff0c;高效计算与实时响应的多模态大模型 LLaVA-Mini: Efficient Image and Video Large Multimodal Models with One Vision Token Shaolei Zhang, Qingkai Fang等 中国科学院智能信息处理重点实验…

【4Day创客实践入门教程】Day2 探秘微控制器——单片机与MicroPython初步

Day2 探秘微控制器——单片机与MicroPython初步 目录 Day2 探秘微控制器——单片机与MicroPython初步MicroPython语言基础开始基础语法注释与输出变量模块与函数 单片机基础后记 Day0 创想启程——课程与项目预览Day1 工具箱构建——开发环境的构建Day2 探秘微控制器——单片机…

WSL2中安装的ubuntu开启与关闭探讨

1. PC开机后&#xff0c;查询wsl状态 在cmd或者powersell中输入 wsl -l -vNAME STATE VERSION * Ubuntu Stopped 22. 从windows访问WSL2 wsl -l -vNAME STATE VERSION * Ubuntu Stopped 23. 在ubuntu中打开一个工作区后…

Hive:窗口函数(1)

窗口函数 窗口函数OVER()用于定义一个窗口&#xff0c;该窗口指定了函数应用的数据范围 对窗口数据进行分区 partition by 必须和over () 一起使用, distribute by经常和sort by 一起使用,可以不和over() 一起使用.DISTRIBUTE BY决定了数据如何分布到不同的Reducer上&#xf…

【Quest开发】手柄单手抓握和双手抓握物体切换

V72更新以后非常智能哈&#xff0c;配置物体简单多了。 选择需要被抓取的物体鼠标右键单击它&#xff0c;点Add Grab Interaction&#xff0c;按它要求的配置就行 配好以后长这样 把这个选项取消勾选就能切换成双手抓一个物体了&#xff0c;不需要像以前一样用各种grabTransfo…

LeGO LOAM坐标系问题的自我思考

LeGO LOAM坐标系问题的自我思考 总体思考流程IMU坐标系LeGO LOAM代码分析代码 对于IMU输出测量值的integration积分过程欧拉角的旋转矩阵VeloToStartIMU()函数TransformToStartIMU(PointType *p) 总体思考流程 第一页 第二页 第三页 IMU坐标系 在LeGO LOAM中IMU坐标系的形式…

PostgreSQL 数据备份与恢复:掌握 pg_dump 和 pg_restore 的最佳实践

title: PostgreSQL 数据备份与恢复:掌握 pg_dump 和 pg_restore 的最佳实践 date: 2025/1/28 updated: 2025/1/28 author: cmdragon excerpt: 在数据库管理中,备份与恢复是确保数据安全和业务连续性的关键措施。PostgreSQL 提供了一系列工具,以便于数据库管理员对数据进行…

接口 V2 完善:分布式环境下的 WebSocket 实现与 Token 校验

&#x1f3af; 本文档详细介绍了如何使用WebSocket协议优化客户端与服务端之间的通信&#xff0c;特别是在处理异步订单创建通知的场景中。通过引入WebSocket代替传统的HTTP请求-响应模式&#xff0c;实现了服务器主动向客户端推送数据的功能&#xff0c;极大地提高了实时性和效…

HarmonyOS NEXT:保存应用数据

用户首选项使用 用户首选项的特点 数据体积小、访问频率高、有加载速度要求的数据如用户偏好设置、用户字体大小、应用的配置参数。 用户搜选项&#xff08;Preferences&#xff09;提供了轻量级配置数据的持久化能力&#xff0c;支持订阅数据变化的通知能力。不支持分布式同…

win10部署本地deepseek-r1,chatbox,deepseek联网(谷歌网页插件Page Assist)

win10部署本地deepseek-r1&#xff0c;chatbox&#xff0c;deepseek联网&#xff08;谷歌网页插件Page Assist&#xff09; 前言一、本地部署DeepSeek-r1step1 安装ollamastep2 下载deepseek-r1step2.1 找到模型deepseek-r1step2.2 cmd里粘贴 后按回车&#xff0c;进行下载 ste…

5.3.2 软件设计原则

文章目录 抽象模块化信息隐蔽与独立性衡量 软件设计原则&#xff1a;抽象、模块化、信息隐蔽。 抽象 抽象是抽出事物本质的共同特性。过程抽象是指将一个明确定义功能的操作当作单个实体看待。数据抽象是对数据的类型、操作、取值范围进行定义&#xff0c;然后通过这些操作对数…

4-图像梯度计算

文章目录 4.图像梯度计算(1)Sobel算子(2)梯度计算方法(3)Scharr与Laplacian算子4.图像梯度计算 (1)Sobel算子 图像梯度-Sobel算子 Sobel算子是一种经典的图像边缘检测算子,广泛应用于图像处理和计算机视觉领域。以下是关于Sobel算子的详细介绍: 基本原理 Sobel算子…

图漾相机-ROS2-SDK-Ubuntu版本编译(新版本)

文章目录 前言1.Camport ROS2 SDK 介绍1.1 Camport ROS2 SDK源文件介绍1.2 Camport ROS2 SDK工作流程1.2.1 包含头文件1.2.2 2 初始化 ROS 2 节点1.2.3 创建节点对象1.2.4 创建发布者对象并实现发布逻辑1.2.5 启动 ROS 2 1.3 ROS2 SDK环境配置与编译1.3.1 Ubuntu 20.04 下ROS2 …