Teori portofolio modern

Pengantar Analisis Portofolio dengan Python

Charlotte Werger

Data Scientist

Membuat portofolio optimal

Ikon strategi investasi

Apa itu Optimasi Portofolio?

Kenali Harry Markowitz

Harry Markowitz

Masalah optimasi: mencari bobot optimal

$$ Masalah optimasi Markowitz

Secara verbal:

Minimalkan varians portofolio, dengan syarat:
Ekspektasi imbal hasil minimal sebesar target tertentu
Jumlah bobot = 100%
Setidaknya beberapa bobot bernilai positif

Target imbal hasil yang bervariasi membentuk Efficient Frontier

Grafik efficient frontier

PyPortfolioOpt untuk optimasi portofolio

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

# Hitung ekspektasi imbal hasil tahunan dan kovarians sampel
mu = expected_returns.mean_historical_return(df)
Sigma = risk_models.sample_cov(df)

Dapatkan Efficient Frontier dan bobot portofolio

# Hitung ekspektasi imbal hasil tahunan dan risiko
mu = expected_returns.mean_historical_return(df)
Sigma = risk_models.sample_cov(df)

# Dapatkan EfficientFrontier
ef = EfficientFrontier(mu, Sigma)

# Pilih portofolio optimal tertentu
ef.max_sharpe()

Optimasi yang berbeda

# Pilih portofolio Sharpe maksimum
ef.max_sharpe()

# Pilih imbal hasil optimal untuk target risiko 
ef.efficient_risk(2.3)

# Pilih risiko minimal untuk target imbal hasil
ef.efficient_return(1.5)

Hitung risiko dan kinerja portofolio

# Dapatkan metrik kinerja
ef.portfolio_performance(verbose=True, risk_free_rate = 0.01)

Ekspektasi imbal hasil tahunan: 21.3%
Volatilitas tahunan: 19.5%
Rasio Sharpe: 0.98

Mari optimalkan portofolio!

Pengantar Analisis Portofolio dengan Python