Samenvatting
Introductie tot portefeuille-analyse in Python
Charlotte Werger
Data Scientist
Hoofdstuk 1: Risico en rendement berekenen
$ $
- Een portefeuille als verzameling van gewichten en assets
- Diversificatie
- Gemiddelde rendementen vs. cumulatieve rendementen
- Variantie, standaarddeviatie, correlaties en de covariantiematrix
- Portefeuilleveriantie berekenen
Hoofdstuk 2: Dieper in risicomaten
$ $
- Jaarlijks maken van rendement en risico om periodes te vergelijken
- Sharpe-ratio als maat voor risico-aangepast rendement
- Scheefheid en kurtosis: verder kijken dan gemiddelde en variantie
- Maximale drawdown, neerwaarts risico en de Sortino-ratio
Hoofdstuk 3: Prestaties ontleden
$ $
- Vergelijken met benchmark via actieve gewichten en actieve rendementen
- Beleggingsfactoren: verklaren rendementen en risicobronnen
- Fama-French 3-factormodel: prestaties opsplitsen in verklaarbare factoren en alfa
- Pyfolio als tool voor portefeuilleanalyse
Hoofdstuk 4: De optimale portefeuille vinden
$ $
- Markowitz-portefeuille-optimalisatie: efficiënte grens, maximale Sharpe en minimale volatiliteit
- Exponentieel gewogen risico en rendement, semicovariantie
Verder leren
$ $
- Datacamp-cursus over Portfolio Risk Management in Python
- Quantopian’s lezingenreeks: https://www.quantopian.com/lectures
- Leren door te doen: Pyfolio en PyPortfolioOpt
Einde van deze cursus
Introductie tot portefeuille-analyse in Python
