马科维茨模型实战应用：从理论到投资组合优化
📚 共计 30 章节
第01章
马科维茨模型概述
现代投资组合理论起源、均值-方差框架核心思想、模型假设条件与局限性。
起源
均值-方差
假设
第02章
资产收益率与风险度量
单资产收益率计算（简单收益率与对数收益率）、资产风险度量（方差与标准差）、协方差与相关系数矩阵。
收益率
方差
协方差
第03章
投资组合的收益与风险
双资产组合的收益与方差公式、N资产组合的矩阵化表达、分散化效应与有效前沿。
双资产
矩阵
有效前沿
第04章
有效前沿与最优组合
可行集与有效前沿的几何意义、最小方差组合（MVP）求解、切线组合与资本市场线（CML）。
MVP
CML
切线组合
第05章
Python环境与数据准备
NumPy与Pandas基础操作、获取金融数据（yfinance库）、数据清洗与预处理实战。
NumPy
Pandas
yfinance
第06章
计算单个资产指标
计算历史收益率与年化收益率、计算历史波动率与年化波动率、计算夏普比率与最大回撤。
夏普比率
最大回撤
年化
第07章
构建资产协方差矩阵
使用Pandas计算协方差矩阵、协方差矩阵的可视化（热力图）、相关系数矩阵与风险分解。
协方差
热力图
风险分解
第08章
模拟随机投资组合
生成随机权重向量、计算组合收益与风险、绘制散点图观察可行集分布。
随机权重
散点图
可行集
第09章
求解最小方差组合
使用SciPy优化器定义目标函数、约束条件与边界设置、解析解与数值解对比。
SciPy
优化
最小方差
第10章
绘制有效前沿曲线
遍历目标收益率求解最小风险、有效前沿的凸性验证、标记关键组合点。
有效前沿
凸性
关键点
第11章
寻找最优风险组合
最大化夏普比率的目标函数、无风险利率的选取与影响、切线组合的几何意义。
夏普最大
无风险利率
切线
第12章
资本市场线（CML）实战
CML的推导与公式、计算CML上的组合权重、CML与有效前沿的关系。
CML
权重
资本市场线
第13章
加入无风险资产
无风险资产对有效前沿的影响、杠杆组合与借贷限制、实际应用中的无风险利率选择。
无风险
杠杆
借贷
第14章
约束条件下的优化
不允许卖空（权重非负约束）、行业集中度限制、个股权重上限/下限设置。
卖空限制
集中度
权重边界
第15章
Black-Litterman模型入门
BL模型的核心思想、先验收益与观点矩阵、BL模型与马科维茨模型的对比。
BL模型
先验
观点
第16章
风险预算与风险平价
等风险贡献（ERC）原理、风险预算算法实现、风险平价与最小方差组合对比。
风险平价
ERC
风险预算
第17章
回测框架搭建
回测的时间窗口设置、滚动优化与调仓频率、交易成本与滑点模拟。
回测
调仓
交易成本
第18章
绩效评估指标
年化收益率与波动率、夏普比率与索提诺比率、信息比率与阿尔法/贝塔分解。
夏普
索提诺
信息比率
第19章
稳健优化方法
协方差矩阵的收缩估计（Ledoit-Wolf）、贝叶斯收缩与去噪、极端值处理与M估计。
Ledoit-Wolf
贝叶斯
M估计
第20章
蒙特卡洛模拟在组合优化中的应用
模拟资产价格路径、评估组合尾部风险、压力测试与情景分析。
蒙特卡洛
尾部风险
压力测试
第21章
动态资产配置
择时策略与再平衡、条件马科维茨模型、宏观经济变量驱动的配置调整。
择时
再平衡
宏观驱动
第22章
多因子模型与组合构建
Fama-French三因子模型、因子暴露与风险分解、因子择时与组合优化结合。
三因子
因子暴露
因子择时
第23章
行业轮动策略
行业分类与数据获取、行业动量与均值回复、马科维茨框架下的行业配置。
行业轮动
动量
均值回复
第24章
全球资产配置实战
多资产类别（股票、债券、商品、REITs）、汇率风险对冲、跨国协方差矩阵估计。
多资产
汇率对冲
全球
第25章
机器学习辅助组合优化
聚类算法识别资产分组、PCA降维提取风险因子、强化学习动态权重调整。
聚类
PCA
强化学习
第26章
交易执行与组合管理
最优执行算法简介、组合再平衡的冲击成本、税收优化与组合周转率控制。
执行算法
冲击成本
税收优化
第27章
风险管理进阶
VaR与CVaR计算、条件风险价值优化、极端风险下的组合保护策略。
VaR
CVaR
极端风险
第28章
案例分析：60/40组合的优化
传统股债组合的收益风险特征、马科维茨优化后的改进效果、不同市场环境下的表现。
60/40
股债
改进
第29章
案例分析：科技股组合优化
高波动资产的分散化挑战、尾部风险与厚尾分布处理、实战中的调仓策略。
科技股
厚尾
调仓
第30章
课程总结与未来展望
马科维茨模型的贡献与局限、行为金融学对模型的挑战、量化投资的前沿方向。
总结
行为金融
前沿