1. 如何衡量基金的風險
基金單位凈值（Net Asset Value，NAV）：即每份基金單位的凈值，等於基金的總資產減去總負債後的余額再除以基金的單位份額總數。
單位基金資產凈值＝（總資產－總負債）／基金單位總數
基金累計凈值：是指基金最新凈值與成立以來的分紅業績之和，體現了基金從成立以來所取得的累計收益(減去一元面值即是實際收益)，可以比較直觀和全面地反映基金的在運作期間的歷史表現，結合基金的運作時間，則可以更准確地體現基金的真實業績水平。一般說來，累計凈值越高，基金業績越好。最新凈值應該說主要是提供一種即時的交易價格參考，投資者選擇基金時不能只看最新凈值的高低，切忌「貪便宜」；分紅可以從一定程度上反映基金的贏利情況，但主要體現的還是基金的收益實現能力，分紅業績實際上是可以通過累計凈值得到反映的，因此，從投資者進行基金業績比較的角度來說，基金累計凈值應該是比最新凈值和分紅更重要的指標。
一個基金的好壞不是單純從單位凈值，累計凈值，增長值，增長率可以判斷的！
應該從受益與風險系數一起看的！
風險系數是評估基金風險的指標，通常是以"標准差"、"貝塔系數"與"夏普指數"三項來表示。新手只要大約掌握以下原則就行了："標准差"愈小、波動風險愈小（因為標准差是衡量基金報酬率的波動程度）；"貝塔系數"小於1、風險愈小（因為貝塔系數是衡量基金報酬率與相對指數報酬率的敏感程度，譬如全體市場的貝塔系數為1，若基金凈值的波動大於1，表示該基金的波動風險高過整體市場）；"夏普指數"愈高愈好（因為夏普指數是衡量基金承擔每單位風險所獲得的額外報酬。該指數越高，表示基金在考慮風險因素後的回報情況愈高，對投資人愈有利）。
標准差又稱波動幅度，是指過去一段時期內，基金每周(或每月)回報率相對於平均周回報(或月回報)的偏差幅度大小。基金每周回報波動越大，標准差也越大。例如，基金A過去52周每周回報率都是1%，那麼其標准差為0。基金B的周回報率是不斷變化的，一周為5%，下周為25%，再下周為-7%，那麼基金B的標准差大於基金A的標准差。而如果基金C每周都虧損1%，其標准差也同樣為0。
單只基金本身的標准差無法顯示其風險大小水平，投資者應將基金的標准差與同類基金或者業績評價基準的標准差進行比較。如某隻基金的標准差為25%，這個波動水平是高還是低呢？如果同類其他基金的標准差大多在20%，25%的波動水平算是較高了。又如你可以發現兩只基金的回報相似，但波動水平卻有明顯差異，對於不喜歡波動的人來說，了解這一點很重要，畢竟不是每個人都適應坐快車的。
"貝塔系數"是一個統計學上的概念,是一個在＋1至-1之間的數值,它所反映的是某一投資對象相對於大盤的表現情況。其絕對值越大,顯示其收益變化幅度相對於大盤的變化幅度越大；絕對值越小,顯示其變化幅度相對於大盤越小。如果是負值,則顯示其變化的方向與大盤的變化方向相反:大盤漲的時候它跌,大盤跌的時候它漲。由於我們投資於投資基金的目的是為了取得專家理財的服務,以取得優於被動投資於大盤的表現情況,因此這一指標可以作為考察基金管理人降低投資波動性風險的能力。
在計算貝塔系數時,除了基金的表現數據外,還需要有作為反映大盤表現的指標。
貝塔系數應用：
貝塔系數反映了個股對市場(或大盤)變化的敏感性,也就是個股與大盤的相關性或通俗說的"股性".可根據市場走勢預測選擇不同的貝塔系數的證券從而獲得額外收益,特別適合作波段操作使用.當有很大把握預測到一個大牛市或大盤某個不漲階段的到來時,應該選擇那些高貝塔系數的證券,它將成倍地放大市場收益率,為你帶來高額的收益;相反在一個熊市到來或大盤某個下跌階段到來時,你應該調整投資結構以抵禦市場風險,避免損失,辦法是選擇那些低貝塔系數的證券.為避免非系統風險,可以在相應的市場走勢下選擇那些相同或相近貝塔系數的證券進行投資組合.比如:一支個股貝塔系數為1.3,說明當大盤漲1%時,它可能漲1.3%,反之亦然;但如果一支個股貝塔系數為-1.3%時,說明當大盤漲1%時,它可能跌1.3%,同理,大盤如果跌1%,它有可能漲1.3%.
基金較高的凈值增長率可能是在承受較高風險的情況下取得的，因此僅僅根據凈值增長率來評價基金的業績表現並不全面，衡量基金錶現必須兼顧收益和風險兩個方面，夏普比率就是一個可以同時對收益與風險加以綜合考慮的指標。夏普比率又被稱為夏普指數，由諾貝爾獎獲得者威廉�6�1夏普於1966年最早提出，目前已成為國際上用以衡量基金績效表現的最為常用的一個標准化指標。
夏普比率的計算及其含義
夏普比率的計算非常簡單，用基金凈值增長率的平均值減無風險利率再除以基金凈值增長率的標准差就可以得到基金的夏普比率。它反映了單位風險基金凈值增長率超過無風險收益率的程度。如果夏普比率為正值，說明在衡量期內基金的平均凈值增長率超過了無風險利率，在以同期銀行存款利率作為無風險利率的情況下，說明投資基金比銀行存款要好。夏普比率越大，說明基金單位風險所獲得的風險回報越高。
以夏普比率的大小對基金錶現加以排序的理論基礎在於，假設投資者可以以無風險利率進行借貸，這樣，通過確定適當的融資比例，高夏普比率的基金總是能夠在同等風險的情況下獲得比低夏普比率的基金高的投資收益。例如，假設有兩個基金A和B，A基金的年平均凈值增長率為20％，標准差為10％，B基金的年平均凈值增長率為15％，標准差為5％，年平均無風險利率為5％，那麼，基金A和基金B的夏普比率分別為1.5和2，依據夏普比率基金B的風險調整收益要好於基金A。為了更清楚地對此加以解釋，可以以無風險利率的水平，融入等量的資金（融資比例為1：1），投資於B，那麼，B的標准差將會擴大1倍，達到與A相同的水平，但這時B 的凈值增長率則等於25％（即2#15％－5％）則要大於A基金。 使用月夏普比率及年夏普比率的情況較為常見。
用夏普比率衡量我國基金的績效表現
國際上一般取36個月度的凈值增長率和3 個月期的短期國債利率作計算夏普比率，但由於我國證券投資基金每周只公布一次凈值，而且發展歷史較短，僅有少數基金具有36個月度的凈值數據，因此在夏普比率的計算上，我們以4 周為一個月的最近12個月的月度凈值增長率作為計算的基礎。此外，由於目前我國尚未發行短期國債，在無風險收益率的選取上，採用了上交所28天國債回購利率。
這里我們以2000年10月27日至2001年10月26日為考察期，對30隻基金的夏普比率進行了計算（見附表）。發現全部基金的月夏普比率均為負值，說明基金的投資表現不如從事國債回購。夏普比率為負時，按大小排序沒有意義。
基金月平均凈值增長率是基金錶現的絕對衡量標准，從這一指標看，以基金興華、基金同智、基金興和的表現最好，基金景宏、基金開元、基金漢興最差。可以看出，除基金興華、基金同智兩家基金的月平均凈值增長率，其餘28家基金的月平均凈值增長率都呈負增長，說明基金從整體上看，投資表現差強人意。
以標准差作為衡量基金風險大小的標准，基金裕華、基金同智、基金興和的凈值波動性最低，風險最小，基金金元、基金泰和、基金開元的凈值波動性最高，風險最大。
30隻基金的月平均凈值增長率與標准差的斯皮爾曼等級相關系數為－0.54，說明基金的收益與風險呈現出較強的負相關關系，即風險越大，基金的凈值增長率越低。這一關系有背於正常的風險收益關系，說明我國的證券投資基金平均而言並不是有效投資組合，組合效率較差。
夏普比率在運用中應該注意的問題
夏普比率在計算上盡管非常簡單，但在具體運用中仍需要對夏普比率的適用性加以注意：1、用標准差對收益進行風險調整， 其隱含的假設就是所考察的組合構成了投資者投資的全部。因此只有在考慮在眾多的基金中選擇購買某一隻基金時，夏普比率才能夠作為一項重要的依據；2、 使用標准差作為風險指標也被人們認為不很合適的。3、夏普比率的有效性還依賴於可以以相同的無風險利率借貸的假設； 4、夏普比率沒有基準點，因此其大小本身沒有意義， 只有在與其他組合的比較中才有價值；5、夏普比率是線性的，但在有效前沿上， 風險與收益之間的變換並不是線性的。因此，夏普指數在對標准差較大的基金的績效衡量上存在偏誤；6、 夏普比率未考慮組合之間的相關性，因此純粹依據夏普值的大小構建組合存在很大問題；7、夏普比率與其他很多指標一樣，衡量的是基金的歷史表現， 因此並不能簡單地依據基金的歷史表現進行未來操作。8、計算上， 夏普指數同樣存在一個穩定性問題：夏普指數的計算結果與時間跨度和收益計算的時間間隔的選取有關。
盡管夏普比率存在上述諸多限制和問題，但它仍以其計算上的簡便性和不需要過多的假設條件而在實踐中獲得了廣泛的運用。
2. 三支股票 A.B和C,請問該如何算出最優的投資組合配比(最大
投資組合理論是金融領域中一個重要的概念，旨在幫助投資者配置資產以實現風險與收益的最佳平衡。當面對三支股票A、B和C的投資組合時，如何計算最優的投資組合配比，即最大化收益的同時控制風險，成為了投資者關注的焦點。本文將深入探討投資組合理論的核心原理，並通過實際案例展示如何利用Python編程語言來實現投資組合優化。
首先，讓我們明確投資組合理論的核心理念。該理論基於通過均值和方差來評估資產組合的優劣。均值代表資產組合的預期收益率，而方差則衡量了收益率的波動性或風險。通過優化資產組合的預期收益率與風險，投資者可以實現風險調整後的最高收益。
接下來，我們將通過一個簡單的例子來展示如何運用Python實現投資組合理論。假設我們有三隻股票，它們分別是東旭光電、中興通訊、華蘭生物、平安銀行和萬科A。首先，我們需要收集這五隻股票的歷史數據，然後計算它們的平均收益和協方差矩陣。接著，我們將使用蒙特卡洛模擬方法生成大量隨機資產組合，以探索可能的風險與收益組合。通過最大夏普比率和最小方差兩種優化策略，我們可以找到最優資產組合配置權重參數，進而確定投資組合的有效前沿。
在實際操作中，可以利用Python的pandas庫處理數據，numpy庫進行矩陣運算，以及scipy庫求解優化問題。具體步驟包括：
1. **數據收集與預處理**：獲取股票歷史價格數據，計算每日收益並轉換為年化收益。
2. **計算均值與協方差**：利用每日收益計算各股票的年化收益，然後計算協方差矩陣。
3. **隨機權重分配**：由於A股市場不允許建立空頭頭寸，所有權重必須在0-1之間。
4. **計算預期收益與風險**：基於隨機權重計算組合的預期收益和方差。
5. **蒙特卡洛模擬**：生成大量隨機權重組合，記錄每種組合的預期收益與方差。
6. **優化**：使用最大夏普比率和最小方差方法，找到最優資產組合配置權重。
7. **展示有效前沿**：通過圖形展示不同目標收益率下的最優投資組合，包括有效前沿、夏普最大組合和方差最小組合。
通過以上步驟，我們不僅能夠計算出最優的投資組合配比，還能直觀地理解不同風險水平下的收益表現，為投資者提供一個更加科學的決策依據。
綜上所述，投資組合理論通過構建資產組合模型，幫助投資者在風險與收益之間尋求最佳平衡。使用Python編程語言可以輕松實現這一過程，使得投資決策更加高效、精確。無論是針對三支股票還是整個市場，運用投資組合理論進行資產配置都能顯著提升投資效率和回報。
3. 投資組合的機會集及有效前沿
投資組合的機會集和有效前沿是投資者在確定風險與期望報酬率權衡的關鍵概念。機會集描述了不同投資比例下投資組合的風險和收益變化，而有效前沿則是這些組合中的最優選擇，反映了投資者在給定風險水平下的最高收益點。以下是更直觀的解釋：
投資組合的機會集是個動態的軌跡，它描繪了在相關系數影響下，標准差與期望報酬率之間的關系。當相關系數為1（完全正相關）時，機會集表現為直線，缺乏風險分散效果；相關系數小於1時，曲線彎曲程度越大，風險分散效應越顯著。當相關系數極低，機會集可能會出現無效集，即存在低於單個資產最低風險的組合。有效集則位於機會集的頂部，包含具有最佳風險收益比的組合，而無效集則包含風險與收益不成比例的投資組合。
在多證券組合中，機會集擴展到一個平面，有效集則位於其邊緣，意味著在給定風險水平下，存在一個收益最高的投資組合。這個最優投資組合隨著風險水平的變化移動，形成有效前沿。這個前沿上的每一點代表在特定風險下最優的資產配置，其右下方區域的組合通常不是最佳選擇。
以實際案例為例，如2015年至2019年間的5種股票投資組合，通過Python計算可以找出有效前沿。對於投資者，關鍵在於選擇在有效前沿上的資產配置，以實現最佳的風險收益平衡。
想要深入了解和實踐這些概念，可以參考書籍《Python金融量化實戰固定收益類產品分析》，它將理論與實踐相結合，提供豐富的資源支持。