Rückblick
Einführung in die Portfolioanalyse mit Python
Charlotte Werger
Data Scientist
Kapitel 1: Risiko und Rendite berechnen
$ $
- Ein Portfolio als Sammlung von Gewichten und Assets
- Diversifikation
- Durchschnittsrenditen vs. kumulierte Renditen
- Varianz, Standardabweichung, Korrelationen und Kovarianzmatrix
- Portfolio-Varianz berechnen
Kapitel 2: Tiefer in Risikokennzahlen eintauchen
$ $
- Renditen und Risiko annualisieren, um Zeiträume zu vergleichen
- Sharpe Ratio als Maß für risikobereinigte Rendite
- Schiefe und Kurtosis: über Mittelwert und Varianz hinaus
- Maximaler Drawdown, Downside-Risiko und Sortino Ratio
Kapitel 3: Performance aufschlüsseln
$ $
- Gegen Benchmark vergleichen: aktive Gewichte und aktive Renditen
- Investmentfaktoren: Renditen und Risikoquellen erklären
- Fama-French-3-Faktoren-Modell: Performance in Faktoren und Alpha zerlegen
- Pyfolio als Tool zur Portfolioanalyse
Kapitel 4: Das optimale Portfolio finden
$ $
- Markowitz-Optimierung: effiziente Frontier, Maximum-Sharpe- und Minimum-Volatilitäts-Portfolios
- Exponentiell gewichtete Risiko und Rendite, Semikovarianz
Weiterlernen
$ $
- DataCamp-Kurs zu Portfolio Risk Management in Python
- Quantopian Lecture Series: https://www.quantopian.com/lectures
- Learning by doing: Pyfolio und PyPortfolioOpt
Ende dieses Kurses
Einführung in die Portfolioanalyse mit Python
