投资组合理论是金融领域中一个重要的概念，旨在帮助投资者配置资产以实现风险与收益的最佳平衡。当面对三支股票A、B和C的投资组合时，如何计算最优的投资组合配比，即最大化收益的同时控制风险，成为了投资者关注的焦点。本文将深入探讨投资组合理论的核心原理，并通过实际案例展示如何利用Python编程语言来实现投资组合优化。

首先，让我们明确投资组合理论的核心理念。该理论基于通过均值和方差来评估资产组合的优劣。均值代表资产组合的预期收益率，而方差则衡量了收益率的波动性或风险。通过优化资产组合的预期收益率与风险，投资者可以实现风险调整后的最高收益。

接下来，我们将通过一个简单的例子来展示如何运用Python实现投资组合理论。假设我们有三只股票，它们分别是东旭光电、中兴通讯、华兰生物、平安银行和万科A。首先，我们需要收集这五只股票的历史数据，然后计算它们的平均收益和协方差矩阵。接着，我们将使用蒙特卡洛模拟方法生成大量随机资产组合，以探索可能的风险与收益组合。通过最大夏普比率和最小方差两种优化策略，我们可以找到最优资产组合配置权重参数，进而确定投资组合的有效前沿。

在实际操作中，可以利用Python的pandas库处理数据，numpy库进行矩阵运算，以及scipy库求解优化问题。具体步骤包括：

1. **数据收集与预处理**：获取股票历史价格数据，计算每日收益并转换为年化收益。

2. **计算均值与协方差**：利用每日收益计算各股票的年化收益，然后计算协方差矩阵。

3. **随机权重分配**：由于A股市场不允许建立空头头寸，所有权重必须在0-1之间。

4. **计算预期收益与风险**：基于随机权重计算组合的预期收益和方差。

5. **蒙特卡洛模拟**：生成大量随机权重组合，记录每种组合的预期收益与方差。

6. **优化**：使用最大夏普比率和最小方差方法，找到最优资产组合配置权重。

7. **展示有效前沿**：通过图形展示不同目标收益率下的最优投资组合，包括有效前沿、夏普最大组合和方差最小组合。

通过以上步骤，我们不仅能够计算出最优的投资组合配比，还能直观地理解不同风险水平下的收益表现，为投资者提供一个更加科学的决策依据。

综上所述，投资组合理论通过构建资产组合模型，帮助投资者在风险与收益之间寻求最佳平衡。使用Python编程语言可以轻松实现这一过程，使得投资决策更加高效、精确。无论是针对三支股票还是整个市场，运用投资组合理论进行资产配置都能显著提升投资效率和回报。