MSR 投资组合
最大夏普比率（MSR）投资组合位于有效前沿的顶点，可以通过寻找夏普比率最高的投资组合来构建。
不过，MSR 投资组合往往波动较大。即使该投资组合在历史上拥有较高的夏普比率，也不代表未来仍能维持良好的夏普比率。
本练习是课程的一部分
Python 投资组合风险管理入门
练习说明
- 将
RandomPortfolios按夏普值从高到低排序，即降序排名。 - 将
MSR_weights_array与StockReturns的各行相乘，得到加权股票收益。 - 最后，查看一段时间内的累计收益图。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Sort the portfolios by Sharpe ratio
sorted_portfolios = RandomPortfolios.____(by=['Sharpe'], ascending=____)
# Extract the corresponding weights
MSR_weights = sorted_portfolios.iloc[0, 0:numstocks]
# Cast the MSR weights as a numpy array
MSR_weights_array = np.array(MSR_weights)
# Calculate the MSR portfolio returns
StockReturns['Portfolio_MSR'] = StockReturns.iloc[:, 0:numstocks].mul(____, axis=1).sum(axis=1)
# Plot the cumulative returns
cumulative_returns_plot(['Portfolio_EW', 'Portfolio_MCap', 'Portfolio_MSR'])