马柯维茨均值-方差模型
投资组合理论马克维茨均值方差模型CAPMppt课件
可编辑ppt
8
马柯维茨的资产组合理论
马柯维兹(Harry Markowitz)1952年在 Journal of Finance发表了论文《资产组合的选择》，标志着现代 投资理论发展的开端。
马克维茨1927年8月出生于芝加哥一个店主家庭，大 学在芝大读经济系。在研究生期间，他作为库普曼的助 研，参加了计量经济学会的证券市场研究工作。他的导 师是芝大商学院院长《财务学杂志》主编凯彻姆教授。 凯要马克维茨去读威廉姆斯的《投资价值理论》一书。
➢ 对于所有投资者，信息是免费的且是立即可得到的；
➢ 投资者具有相同的预期（同质期望），所有投资者对
期望回报率、标准差和证券之间的协方差有相同的理
解，即他们对证券的评价和经济形势的看法都一致。
通过这些假设，模型将情况简化为一种极端的情形：证
券市场是完全市场，每一个人都有相同的信息，并对
证券的前景有一致的看法，这意味着投资者以同一方
萨缪尔森 Samuelson
蒙代尔 (Robert A. Mundell)
可编辑ppt
5
➢ 现代投资理论的产生以1952年3月Harry.M. Markowitz发表的《投资组合选择》为标志
➢ 1964、1965、1966年林特纳（John Lintner）、布 莱克（Fischer Black）和摩森（Jan Mossin）三人 分别独立提出资本资产定价模型。1962年，Willian Sharpe对资产组合模型进行简化，提出了资本资产 定价模型（Capital asset pricing model，CAPM）
( w3 w1
31 w3 w2
32 )
2w1w2
12 2 w1w3
13 2 w2 w3
均值-方差模型优化
均值-方差模型优化目录1.均值-方差模型原理 (1)2.均值方差模型改进方向 (5)2.1分层筛选 (5)2.2控制最大回撤 (5)2.3控制VaR (6)3.实验结果比较 (6)3.1控制回撤和VaR (6)3.1.1实验1 (6)3.1.2实验二 (7)3.2基于指标等权进行配置 (8)3.3加牛熊市分解线 (8)3.3.1实验一 (8)3.3.2 (9)4.结果与讨论 (10)本研究基于最大回撤和VaR在险价值对马科维茨进行优化，并讨论了基于牛市后期更精准的风险控制策略。
研究结果表明，最大回撤和VaR的使用，可以确保投资者在面临风险的过程中，相对于原始马科维茨，获得更加的收益。
本研究应对存在高风险资产的情况时，效果更加。
1.均值-方差模型原理美国经济学家马柯维茨于1952年3月在《金融杂志》上发表了一篇题为《证券组合选择》的论文，并于1959年出版了同名专著，详细论述了证券收益和风险的主要原理和分析方法，建立了均值－方差证券组合模型的基本框架。
马柯维茨的投资组合理论认为，投资者是风险回避的，他们的投资愿望是追求高的预期收益，他们不愿承担没有相应的预期收益加以补偿的额外风险。
马柯维茨根据风险分散原理，应用二维规划的数学方法，揭示了如何建立投资组合的有效边界，使边界上的每一个组合在给定的风险水平下获得最大的收益，或者在收益一定的情况下风险最小。
同时马柯维茨认为，投资组合的风险不仅与构成组合的各种证券的个别风险有关，而且受各证券之间的相互关系的影响。
（一）马柯维茨理论是建立在下面几个前提假设上的：1、呈现在投资者面前的每一项投资是在一段时期上的预期收益的概率分布，即投资者用预期收益的概率分布来描述一项投资；2、投资者为理性的个体，服从不满足和风险厌恶假设，投资者的目标是单期效用最大化，而且他们的效用函数呈现边际效用递减的特点；3、投资者以投资的预期收益的波动性来估计投资的风险；4、投资者仅依靠预期的投资风险和收益来做出投资决定，所以他们的效用函数只是预期风险和收益的函数；5、在给定预期风险后，投资者偏好更高的预期收益，另一方面，在给定预期收益后，投资者偏好更低的风险。
投资组合管理中的资产配置模型
投资组合管理中的资产配置模型资产配置是投资组合管理中的重要环节，旨在平衡投资者的风险和回报预期。
为了实现这个目标，投资者需要借助资产配置模型，将资金分配到不同的资产类别中。
本文将介绍几种常见的资产配置模型，包括马科维茨均值-方差模型、资本市场线模型和资产组合的最优分配模型。
1. 马科维茨均值-方差模型马科维茨均值-方差模型是资产配置中最经典的模型之一。
它通过考虑不同资产之间的相关性和预期收益率来计算资产的风险和预期收益。
该模型的核心思想是通过分散投资来降低风险，即在多个资产之间进行组合投资。
具体来说，该模型通过计算投资组合的期望收益率和方差，并构建有效边界，找到具有最佳收益风险比的投资组合。
2. 资本市场线模型资本市场线模型是基于资本资产定价模型（CAPM）的资产配置模型。
它认为投资组合的预期收益率应该与投资组合的贝塔值相关，贝塔值反映了投资组合相对于市场的风险敏感度。
该模型通过选择合适的贝塔值来实现投资组合的最优配置。
具体来说，投资者可以通过加权分配市场组合和无风险资产来确定最佳配置比例，以实现期望收益率与风险的平衡。
3. 资产组合的最优分配模型资产组合的最优分配模型是基于现代投资组合理论和均值-方差分析的模型。
它通过将资产配置问题转化为数学规划问题，以找到投资组合的最优分配比例。
具体来说，该模型考虑投资者的风险偏好和预期收益率，通过最小化投资组合的风险和最大化投资组合的预期收益率，找到最佳的资产配置比例。
综上所述，投资组合管理中的资产配置模型对于实现投资目标至关重要。
不同的模型可以根据投资者的需求和风险偏好进行选择和应用。
通过合理的资产配置，投资者可以在获取较高回报的同时有效控制投资风险，最大化投资组合的效益。
然而，投资决策需要基于充分的市场研究和分析，以及对资产配置模型的准确理解和应用。
均值—方差证券资产组合理论
均值—方差证券资产组合理论1. 简介均值—方差证券资产组合理论，也被称为马科维茨模型，是现代投资组合理论的基础。
该理论由美国经济学家哈里·马科维茨于1952年提出，并在1959年获得了诺贝尔经济学奖。
这一理论通过权衡资产组合的预期收益率和风险来寻找最佳的投资组合。
2. 理论原理均值—方差证券资产组合理论的核心原理在于风险与收益之间的平衡。
根据该理论，投资者可以通过有效的资产配置，实现在给定风险水平下最大化投资组合的预期收益率。
具体来说，均值—方差模型在计算资产组合时，考虑了以下两个重要指标：2.1 均值均值指的是资产组合的预期收益率。
通过对各个资产的历史数据进行分析和估计，可以计算出每个资产的预期收益率，并据此求得资产组合的整体预期收益率。
2.2 方差方差表示资产组合的风险程度。
在均值—方差模型中，方差用于衡量资产之间的波动性和相关性。
如果两个资产的收益变动具有较高的相关度，那么它们之间的方差较小；反之，如果两个资产的收益变动独立或者相关度较低，那么它们之间的方差较大。
3. 资产组合优化基于均值—方差证券资产组合理论，投资者可以通过优化资产组合来实现风险与收益之间的最佳平衡。
具体的资产组合优化包括以下几个步骤：3.1 数据准备在优化资产组合之前，首先需要收集并整理相关的数据。
这些数据包括各个资产的历史收益率、期望收益率以及方差。
通常，投资者可以通过金融数据提供商或者证券公司获取这些数据。
3.2 风险-收益曲线通过对各个资产的历史数据进行分析和计算，可以得到不同投资组合的风险和收益指标。
在优化资产组合之前，投资者可以绘制出风险-收益曲线，以便直观地了解不同投资组合之间的收益和风险的关系。
3.3 最优组合根据风险-收益曲线，可以找到在给定风险水平下具有最高预期收益率的投资组合。
这个投资组合被称为最优组合，也是均值—方差模型的核心输出。
3.4 边际效益在确定最优组合后，投资者可以通过计算边际效益来衡量每个资产对投资组合的贡献。
马科维茨均值-方差模型python
马科维茨均值-方差模型python马科维茨均值-方差模型是用来确定投资组合的最优化分析模型。
本文将介绍如何使用Python实现该模型。
首先需要导入所需的Python库：```pythonimport pandas as pdimport numpy as npfrom scipy.optimize import minimizeimport matplotlib.pyplot as plt```接下来，我们需要获取收益率数据。
这里我们使用了一个样本数据进行演示。
数据文件中包含了5只股票的每日收益率数据。
```python# 获取收益率数据stock_returns = pd.read_csv("data.csv")stock_returns.head()```然后，我们需要计算每只股票的收益率的平均值（期望收益率）和协方差矩阵（即方差-协方差矩阵）：```python# 计算期望收益率和方差-协方差矩阵expected_returns = stock_returns.mean()cov_matrix = stock_returns.cov()```接下来，我们需要定义一个目标函数，该函数将最小化投资组合的方差：```python# 定义目标函数def portfolio_volatility(weights, cov_matrix):port_variance = np.dot(weights.T, np.dot(cov_matrix, weights))return np.sqrt(port_variance)```然后，我们需要定义一个约束条件，即所有股票的权重之和必须等于1：```python# 定义约束条件def constraint(weights):return np.sum(weights) - 1```现在，我们可以使用SciPy中的minimize函数来寻找投资组合的最优化解。
马克维茨的均值方差模型
马科维茨的均值一方差组合模型(重定向自均值方差模型)马科维茨的均值一方差组合模型(Markowitz Mean-Variance Model，Markowitz Model简称MM)[编辑]马科维茨的均值一方差组合模型简介证券及其它风险资产的投资首先需要解决的是两个核心问题：即预期收益与风险。
那么如何测定组合投资的风险与收益和如何平衡这两项指标进行资产分配是市场投资者迫切需要解决的问题。
正是在这样的背景下，在50年代和60年代初，马可维兹理论应运而生。
[编辑]马科维茨模型的假设条件该理论依据以下几个假设：1、投资者在考虑每一次投资选择时，其依据是某一持仓时间内的证券收益的概率分布。
2、投资者是根据证券的期望收益率估测证券组合的风险。
3、投资者的决定仅仅是依据证券的风险和收益。
4、在一定的风险水平上，投资者期望收益最大；相对应的是在一定的收益水平上，投资者希望风险最小。
根据以上假设，马可维兹确立了证券组合预期收益、风险的计算方法和有效边界理论，建立了资产优化配置的均值－方差模型：目标函数：minб2(rp)=∑ ∑xixjCov(ri-rj)rp= ∑ xiri限制条件：1=∑Xi （允许卖空）或1=∑Xi xi>≥0（不允许卖空）其中rp为组合收益，ri为第i只股票的收益，xi、xj为证券i、j的投资比例，б2(rp)为组合投资方差(组合总风险)，Cov (ri 、rj ) 为两个证券之间的协方差。
该模型为现代证券投资理论奠定了基础。
上式表明，在限制条件下求解Xi 证券收益率使组合风险б2(rp )最小，可通过朗格朗日目标函数求得。
其经济学意义是，投资者可预先确定一个期望收益，通过上式可确定投资者在每个投资项目（如股票）上的投资比例（项目资金分配），使其总投资风险最小。
不同的期望收益就有不同的最小方差组合，这就构成了最小方差集合。
[编辑]马科维茨模型的意义马科维茨的投资组合理论不仅揭示了组合资产风险的决定因素，而且更为重要的是还揭示了“资产的期望收益由其自身的风险的大小来决定”这一重要结论，即资产（单个资产和组合资产）由其风险大小来定价，单个资产价格由其方差或标准差来决定，组合资产价格由其协方差来决定。
第12章 马可维兹均值方差模型
NumAssets = 3; ExpReturn = [0.000540 0.000275 0.000236]; ExpCovariance = 0.0001*[5.27 2.80 1.74; 2.80 4.26 1.67; 1.74 1.67 2.90 ]; NumPorts =5; PVal = 1; AssetMin = 0; AssetMax = [0.5 0.9 0.8]; GroupA = [1 0 0]; GroupB = [0 1 1]; GroupMax = [0.50,0.8]; AtoBmax = 1.5; ConSet = portcons('PortValue', PVal, NumAssets,'AssetLims',... AssetMin, AssetMax, NumAssets, 'GroupComparison',GroupA, NaN,... AtoBmax, GroupB,GroupMax ); portopt(ExpReturn, ExpCovariance,... NumPorts, [], ConSet)
12.4 约束条件下有效前沿
输入参数： ExpReturn：资产预期收益率； ExpCovariance：资产的协方差矩阵； NumPorts：（可选）有效前沿上输出点的个数，默认为10； PortReturn：（可选）给定有效前沿上输出点回报求方差； ConSet：组合约束，一般通过portcons进行设置；
12.4 约束条件下有效前沿
在实际构建投资组合时要考虑到合法合规或者风险管理等限制条件，这样会给 组合构建带来约束，例如基金“双百分之十规则”：基金投资于某一证券的市值不 能超过基金资产的10%，基金投资于某一上市公司股票不能超过该公司市值的10%； MATLAB求解约束条件下有效前沿的函数为portopt。 函数语法： ［PortRisk, PortReturn, PortWts］ = portopt(ExpReturn, ExpCovariance, NumPorts, PortReturn, ConSet, varargin)
985院校优秀本科论文--马科维茨的均值—方差模型
985院校优秀本科论文--马科维茨的均值—方差模型D还有科学性的评估等。
在西方很多国家股票投资组合作为一种很有效的投资方法已经得到了很广泛的推广。
投资组合理论为西方资本主义国家的繁荣昌盛和国家平稳发展起到了非常重要的作用。
有数据表明：西方资本主义国家投身于股票投资市场的人差不多达到了7/10左右，另外统计显示大约33%的投资者都是用这个理论来科学的投资。
[2]关于股票投资组合的理论有很多，其中包括马科维茨的均值—方差理论、套利定价理论和期权定价理论等。
本文将通过运用马科维茨均值—方差理论来解决股票投资组合问题中的风险收益问题。
1.2研究意义股票作为一种投资行为难免会有一定的风险，由此利用合理的股票投资组合方案来降低投资中的风险是非常重要的。
在漫长的历史长河中，股票投资组合理论经过漫长的发展和不断积累，使得它有了非常丰富的内容。
股票投资组合理论作为股票投资市场的工具为企业投资时的前期分析给与了有力的帮助。
投资者在应用时往往受到限制，因为不能把理论和现实投资方案很好的联系起来。
因此本文将通过优化股票投资组合理论，使得股票投资组合能够更真实的反映出投资者股票投资的过程。
本篇文章主要是在已有的基础上对马科维茨投资理论模型的运用和着重研究企业投资者如何对股票投资方案优化的问题。
从股票投资的不同角度而言，企业进军股票投资的势头已经成为必然，针对不同规模企业的现状不同和不同的投资需求，就要求做出不同的并且可行的投资方案；另外对于控制股票投资风险的能力依然有着很多的问题，特别是企业，它不同于其它投资个体，投资规模往往大很多。
因此怎样才能使得股票投资组合最优化是一个具有研究价值的现实问题。
2.1股票投资组合理论传统的股票投资理论主要是建立在定性和经验分析的基础上，包括基本分析方面和技术分析方面。
它认为股票价格的变动由外部环境变化决定，或内部因素影响，没有涉及对整个股市变化规律和投资者影响的研究。
现代股票投资组合理论一般都是建立在有效市场假说的基础之上，有效市场假说是最早研究整个股票市场有效性及其变化规律的系统理论，通过投资者的理性，信息、价格、投资者之间的反应机制，以及收益率的变化规律等描述了一个均衡、独立、随机的股票市场。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
马柯维茨均值-方差模型在丰富的金融投资理论中，组合投资理论占有非常重要的地位，金融产品本质上各种金融工具的组合。
现代投资组合理论试图解释获得最大投资收益与避免过分风险之间的基本权衡关系，也就是说投资者将不同的投资品种按一定的比例组合在一起作为投资对象，以达到在保证预定收益率的前提下把风险降到最小或者在一定风险的前提下使收益率最大。
从历史发展看，投资者很早就认识到了分散地将资金进行投资可以降低投资风险，扩大投资收益。
但是第一个对此问题做出实质性分析的是美国经济学家马柯维茨(Markowitz)以及他所创立的马柯维茨的资产组合理论。
1952年马柯维茨发表了《证券组合选择》，标志着证券组合理论的正式诞生。
马柯维茨根据每一种证券的预期收益率、方差和所有证券间的协方差矩阵，得到证券组合的有效边界，再根据投资者的效用无差异曲线，确定最佳投资组合。
马柯维茨的证券组合理论在计算投资组合的收益和方差时十分精确，但是在处理含有较多证券的组合时，计算量很大。
马柯维茨的后继者致力于简化投资组合模型。
在一系列的假设条件下，威廉·夏普(William F. Sharp)等学者推导出了资本资产定价模型，并以此简化了马柯维茨的资产组合模型。
由于夏普简化模型的计算量相对于马柯维茨资产组合模型大大减少，并且有效程度并没有降低，所以得到了广泛应用。
1 模型理论经典马柯维茨均值-方差模型为：21min max ()..1p T p n i i X XE r X R s t x σ=⎧⎪=∑⎪⎪=⎨⎪⎪=⎪⎩∑T 其中，12(,,...,)T n R R R R =；()i i R E r =是第i 种资产的预期收益率；12(,,...,)T n X x x x =是投资组合的权重向量；()ij n n σ⨯=∑是n 种资产间的协方差矩阵；()p p R E r =和2p σ分别是投资组合的期望回报率和回报率的方差。
点睛：马柯维茨模型以预期收益率期望度量收益；以收益率方差度量风险。
在教课书中通常以资产的历史收益率的均值作为未来期望收益率，可能会造成“追涨的效果”，在实际中这些收益率可能是由研究员给出；在计算组合风险值时协方差对结果影响较大，在教课书中通常以资产的历史收益率的协方差度量资产风险与相关性，这种计算方法存在预期误差，即未来实际协方差矩阵与历史协方差矩阵间的存在偏差。
例1．以华北制药、中国石化、上海机场三只股票，如何构使用马柯维茨模型构建投资2 收益与风险计算函数 portstats 函数计算公式：()T p E r X R =2p X X σ=∑T其中，12(,,...,)T n R R R R =；()i i R E r =是第i 种资产的预期回报率；12(,,...,)T n X x x x =是投资组合的权重向量；()ij n nσ⨯=∑是n 种资产间的协方差矩阵；()p p R E r =和2p σ分别是投资组合的期望回报率和回报率的方差。
函数语法：[PortRisk, PortReturn] = portstats(ExpReturn, ExpCovariance, PortWts) 输入参数：ExpReturn ：资产预期收益率ExpCovariance ：资产的协方差矩阵 PortWts ：资产权重 输出参数：PortRisk ：资产组合风险（标准差） PortReturn ：资产组合预期收益（期望）例：在例1中，假设等权重配置华北制药、中国石化、上海机场，则资产组合的风险与收益为多少？ M 文件：Portstatstest.mExpReturn = [0.000540 0.000275 0.000236]; ExpCovariance = 0.0001*[5.27 2.80 1.74; 2.80 4.26 1.67; 1.74 1.67 2.90 ]; PortWts=1/3*ones(1,3);[PortRisk, PortReturn] = portstats(ExpReturn, ExpCovariance,PortWts) >>PortRisk = 0.016617 PortReturn = 3.5033e-004注释： ones(n,m)为生产元素都为1的n ×m 矩阵, ones(1,3)=[1,1,1]. PortWts=1/3*[1,1,1]=[1/3, 1/3, 1/3]3 有效前沿计算函数马柯维茨均值-方差模型为经典的带约束的二次优化问题，在给定期望收益时，方差最小解唯一(可行解域为凸)，frontcon 使用，matlab 优化工具箱的fmincon 函数进行求解，fmincon 函数说明请参看附录。
frontcon 函数算法：11min min =max ()..1..1p p T Ti p nni i i i X XX XX R e E r X R s t x s t x σσ==⎧=∑⎧⎪⎪⎪=∑⎪⎪⎪⎪⎧=⇒⎨⎨⎪⎨⎪⎪=⎪⎪⎪=⎩⎪⎪⎩⎪⎩∑∑T T 给定i e 计算相应风险最小的组合，即得到有效前沿上一点（有效组合），给定一系列ie 可以有效描绘出有效前沿。
组合的收益介于单个资产的最大收益与最小收益之间，例如示例中最大收益为0.0540%、最小收益为0.0236%，i e 为根据NumPorts 在最大收益与最小收益间进行等分即可。
函数语法：[PortRisk, PortReturn, PortWts] = frontcon(ExpReturn, ExpCovariance, NumPorts, PortReturn, AssetBounds, Groups, GroupBounds, varargin)输入参数：ExpReturn ：资产预期收益率；ExpCovariance ：资产的协方差矩阵；NumPorts ：（可选）有效前沿上输出点的个数，默认为10； PortReturn ：（可选）给定有效前沿上输出回报点个数； AssetBounds ：（可选）每种资产权重的上下限，例如，上海机场的最大持仓比例为10%； Groups ：（可选）资产分组，Groups （i,j ）=1表示第j 个资产属于第i 个群（例如，行业）；GroupBounds ：每个资产群约束(例如，某个行业配置能超过20%) 输出函数：PortRisk ：资产组合风险（标准差） PortReturn ：资产组合预期收益（期望） PortWts ：资产组合中各资产权重例: 在例1中，如何配置华北制药、中国石化、上海机场，则资产组合为有效组合？ M 文件：frontcontest.m程序源码：ExpReturn = [0.000540 0.000275 0.000236]; ExpCovariance =0.0001* [5.27 2.80 1.74; 2.80 4.26 1.67; 1.74 1.67 2.90 ]; NumPorts =10;[PortRisk, PortReturn, PortWts] = frontcon(ExpReturn,ExpCovariance,NumPorts)>> PortRisk = 1.0e-002* 1.56531.57591.60741.65861.72771.81281.91292.02842.15672.2956PortReturn =1.0e-003 *0.28430.31270.34110.36950.39800.42640.45480.48320.51160.5400PortWts =0.1274 0.2456 0.6270 0.2270 0.1979 0.5751 0.3265 0.1503 0.5232 0.4261 0.1026 0.4713 0.5257 0.0549 0.4194 0.6253 0.0072 0.3675 0.7196 0 0.2804 0.8131 0 0.18690.9065 0 0.09351.0000 -0.0000 0.0000图1 投资组合有效前沿图直接运行frontcon(ExpReturn,ExpCovariance, NumPorts)则可画出图1；如果各个资产投资上限为50%，求解有效前沿？程序源码：ExpReturn = [0.000540 0.000275 0.000236];ExpCovariance = 0.0001*[5.27 2.80 1.74;2.80 4.26 1.67;1.74 1.672.90 ];NumPorts =10;AssetBounds=[0,0,0;0.5,0.5,0.5]%设置资产上限[PortRisk, PortReturn, PortWts] = frontcon(ExpReturn,ExpCovariance, NumPorts,[],AssetBounds)计算结果：1.0e-002*PortRisk =1.58181.58421.59141.60341.62001.64081.66491.69201.74121.9449PortReturn =1.0e-003 *0.30240.31400.32570.33740.34910.36080.37250.38410.39580.4075PortWts =0.1768 0.3232 0.50000.2209 0.2791 0.50000.2650 0.2350 0.50000.3091 0.1909 0.50000.3532 0.1468 0.50000.3954 0.1173 0.48730.4363 0.0977 0.46600.4773 0.0781 0.44460.5000 0.2005 0.29950.5000 0.5000 0.00004 约束条件下有效前沿在实际构建投资组合时候要考虑到合法合规或者风险管理等限制条件，这样会给组合构建带来约束，例如基金“双百分只十规则”：基金投资于一证券的市值不能超过基金资产的10%，基金投资于一上市公司股票不能超过该公司市值的10%；Matlab求解约束条件下有效前沿的为portopt函数；函数语法：[PortRisk, PortReturn, PortWts] = portopt(ExpReturn, ExpCovariance, NumPorts, PortReturn, ConSet, varargin)输入参数：ExpReturn：资产预期收益率ExpCovariance：资产的协方差矩阵NumPorts：（可选）有效前沿上输出点的个数，默认为10PortReturn：（可选）给定有效前沿上输出点回报ConSet：组合约束，一般通过portcons进行设置Varargin: 主要为优化算法中的一些参数输出函数：PortRisk：资产组合风险（标准差）PortReturn：资产组合预期收益（期望）PortWts：资产组合中各资产权重注释：portcons函数ConSet = portcons(varargin)portcons该函数比较复杂，本书使用举例的方式进行说明。