Python实现Markowitz投资组合优化结果常不可行的原因排查

问题描述 #

我已完成Markowitz投资组合优化的Python实现，该实现通过最小化投资组合方差（风险），在满足目标收益率、资产权重和为1的约束下降低风险，但多数情况下优化结果显示不可行，请问可能的原因是什么？

实现代码 #

import pandas as pd
import numpy as np
from helper_functions.get_data import download_data
from scipy.optimize import minimize

def optimizer(tickers, start_date, end_date, required_return=0.02):

    df = download_data(tickers, start_date, end_date)
    
    # Calculate daily returns
    returns = df['Close'].pct_change()

    # Calculate mean returns and covariance
    mean_returns = returns.mean()
    cov_matrix = returns.cov()

    # Number of portfolio assets
    num_assets = len(mean_returns)

    # Initialize weights
    weights_initial = num_assets * [1. / num_assets,]

    # Constraints
    constraints = ({'type': 'eq', 'fun': lambda x: np.sum(x) - 1}, 
                {'type': 'eq', 'fun': lambda x: np.sum(x*mean_returns) - required_return})

    # Bounds
    bounds = tuple((0,1) for asset in range(num_assets))

    # Objective function
    def objective(weights):
        return np.dot(weights.T, np.dot(cov_matrix, weights))

    # Optimize
    result = minimize(objective, weights_initial, method='SLSQP', bounds=bounds, constraints=constraints)

    # Return optimization results
    return result

不可行原因分析 #

• 目标收益率设置严重偏离实际：代码默认的required_return=0.02是日收益率均值，但市场上多数资产的日平均收益率仅在0.001（0.1%）左右，0.02的日收益对应年化超500%，远超所有资产的历史表现，自然无法通过权重组合达成。
• 收益率维度不匹配：如果你的required_return实际想设置为周/月/年化收益率，但代码中用的是日收益率均值计算组合收益，两者维度不匹配，会导致目标收益被错误放大，约束无法满足。
• 资产池收益上限不足：如果所有资产的历史平均收益率都低于目标值，哪怕全仓买入收益最高的资产也达不到要求，这种情况下约束本身就无解。
• 卖空限制锁死收益上限：代码设置了bounds=(0,1)，不允许卖空。当目标收益率超过所有资产的最大历史收益率时，无法通过做空低收益资产、加杠杆等方式拉高组合收益，导致约束不可行。
• 数据统计偏差：
  • 如果数据周期过短，计算出的mean_returns和cov_matrix统计显著性不足，可能导致可行域计算失真。
  • 若资产间完全相关，协方差矩阵会出现奇异值，干扰优化算法的求解过程。
• 约束设置过于刚性：两个等式约束（权重和为1、组合收益等于目标值）加上非负权重的边界约束，在目标收益不可达时，算法找不到满足所有条件的解，直接返回不可行。

内容的提问来源于stack exchange，提问作者Lopez