Introduzione all'analisi di portafoglio in Python
Charlotte Werger
Data Scientist

Incontra Harry Markowitz

$$

In parole povere:

from pypfopt.efficient_frontier import EfficientFrontier
from pypfopt import risk_models
from pypfopt import expected_returns
df=pd.read_csv('portfolio.csv')
df.head(2)
XOM RRC BBY MA PFE
date
2010-01-04 54.068794 51.300568 32.524055 22.062426 13.940202
2010-01-05 54.279907 51.993038 33.349487 21.997149 13.741367
# Calcola rendimenti attesi annualizzati e covarianza campionaria
mu = expected_returns.mean_historical_return(df)
Sigma = risk_models.sample_cov(df)
# Calcola rendimenti attesi annualizzati e rischio
mu = expected_returns.mean_historical_return(df)
Sigma = risk_models.sample_cov(df)
# Ottieni l’Efficient Frontier
ef = EfficientFrontier(mu, Sigma)
# Seleziona un portafoglio ottimale
ef.max_sharpe()
# Seleziona il portafoglio a Sharpe massimo
ef.max_sharpe()
# Seleziona un rendimento per un rischio target
ef.efficient_risk(2.3)
# Seleziona il rischio minimo per un rendimento target
ef.efficient_return(1.5)
# Ottieni le metriche di performance
ef.portfolio_performance(verbose=True, risk_free_rate = 0.01)
Rendimento annuo atteso: 21,3%
Volatilità annua: 19,5%
Rapporto di Sharpe: 0,98
Introduzione all'analisi di portafoglio in Python