Introductie tot portefeuille-analyse in Python
Charlotte Werger
Data Scientist

Maak kennis met Harry Markowitz

$$

In woorden:

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
# Verwachte jaarlijkse rendementen en steekproefcovariantie
mu = expected_returns.mean_historical_return(df)
Sigma = risk_models.sample_cov(df)
# Verwacht jaarlijks rendement en risico
mu = expected_returns.mean_historical_return(df)
Sigma = risk_models.sample_cov(df)
# Haal de Efficient Frontier op
ef = EfficientFrontier(mu, Sigma)
# Kies een optimale portefeuille
ef.max_sharpe()
# Kies de maximale Sharpe-portefeuille
ef.max_sharpe()
# Kies een doelrendement bij een doelrisico
ef.efficient_risk(2.3)
# Kies minimaal risico bij een doelrendement
ef.efficient_return(1.5)
# Bereken prestatiecijfers
ef.portfolio_performance(verbose=True, risk_free_rate = 0.01)
Verwacht jaarlijks rendement: 21,3%
Jaarlijkse volatiliteit: 19,5%
Sharpe-ratio: 0,98
Introductie tot portefeuille-analyse in Python