调用Series.cov()报错：缺少必填参数'other'，求问题排查

错误原因 #

你在代码里执行portifolioReturns = portifolioReturns.dot(portifolioWeight)后，portifolioReturns从多列的DataFrame（每列对应一只股票的日收益）变成了单列的Series（加权后的投资组合日收益）。而Pandas的Series.cov()方法需要传入另一个Series来计算协方差，单独调用就会触发这个参数缺失的错误。

更关键的是，你要生成的是资产间的协方差矩阵，这一步应该在计算加权投资组合收益之前完成，而不是之后。

修正后的代码 #

def portifolioOptimalization(inputStocks):
    import yfinance as yf
    import random

    stocks = inputStocks
    portifolioData = yf.download(stocks, '2020-1-1')['Close']
    portifolioReturns = portifolioData.pct_change().dropna()  # 去掉首日空值

    # 先计算资产协方差矩阵（这才是你需要的）
    varianceMatrix = portifolioReturns.cov()

    numberOfStocks = len(inputStocks)
    portifolioWeight = []
    weightSum = 1  # 不需要用global，函数内定义即可

    for i in range(numberOfStocks-1):
        stockWeight = round(random.uniform(0.0, weightSum), 2)
        weightSum -= stockWeight
        portifolioWeight.append(stockWeight)
    
    portifolioWeight.append(weightSum)
    # 计算加权后的投资组合收益
    portifolioDailyReturns = portifolioReturns.dot(portifolioWeight)

    # 后续可以用协方差矩阵和权重计算投资组合方差/标准差
    portifolioVariance = portifolioWeight @ varianceMatrix @ portifolioWeight
    portifolioStd = portifolioVariance ** 0.5

    return varianceMatrix, portifolioDailyReturns, portifolioStd

关键修正点 #

• 把协方差矩阵的计算varianceMatrix = portifolioReturns.cov()移到dot()加权操作之前，此时portifolioReturns是多列DataFrame，调用cov()会直接生成资产间的协方差矩阵。
• 去掉不必要的global weightSum，函数内的变量不需要全局声明。
• 添加dropna()去掉收益数据的首日空值（因为pct_change()会让第一行变成NaN）。
• 补充了投资组合方差和标准差的计算（这是投资组合优化常用的指标）。

内容的提问来源于stack exchange，提问作者Halvor Johnsen