Portfolio-Analysetools

Einführung in die Portfolioanalyse mit Python

Charlotte Werger

Data Scientist

Professionelle Portfolio-Analysetools

Screenshot eines professionellen Portfolio-Management-Tools

Backtesting deiner Strategie

Backtesting: Strategie auf historischen Daten laufen lassen und die hypothetische Performance sehen
Funktioniert auf historischen Daten ≠ Garantie für Zukunft -> Marktveränderungen

Portfolio-Backtest-Ergebnisse gegen einen Index geplottet

Quantopians Tool pyfolio

$ $

Quantopian-Logo

$ $ Pyfolio-Logo

¹ Github: https://github.com/quantopian/pyfolio

Performance- und Risikoanalyse in Pyfolio

# Install the package
!pip install pyfolio
# Import the package
import pyfolio as pf

# Read the data as a pandas series
returns=pd.Series(pd.read_csv('pf_returns.csv')
returns.index=pd.to_datetime(returns.index)

# Create a tear sheet on returns
pf.create_returns_tear_sheet(returns)

# If you have backtest and live data 
pf.create_returns_tear_sheet(returns, live_start_date='2018-03-01')

Pyfolios Tearsheet

Renditentabelle in Pyfolio-Tearsheet-Ausgabe

Rollierendes Sharpe-Verhältnis in Pyfolio-Tearsheet-Ausgabe

Drawdown-Chart in Pyfolio-Tearsheet-Ausgabe

Bestände und Exposures in Pyfolio

# define our sector mappings
sect_map = {'COST': 'Consumer Goods',
            'INTC': 'Technology', 
            'CERN': 'Healthcare', 
            'GPS': 'Technology',
            'MMM': 'Construction', 
            'DELL': 'Technology', 
            'AMD': 'Technology'}

pf.create_position_tear_sheet(returns, positions, 
                             sector_mappings=sect_map)

Ergebnisse des Exposure-Tearsheets

Top-10-Positionen in Pyfolio-Tearsheet-Ausgabe

$ $

Sektorallokation in Pyfolio-Tearsheet-Ausgabe

Lass uns üben!

Einführung in die Portfolioanalyse mit Python