Rendimenti finanziari

Introduzione alla gestione del rischio di portafoglio in Python

Dakota Wixom

Quantitative Analyst | QuantCourse.com

Panoramica del corso

Impara ad analizzare le distribuzioni dei rendimenti, costruire portafogli e ridurre il rischio, e individuare i fattori chiave che guidano i rendimenti.

Rischio d'investimento univariato
Investire in portafogli
Investire per fattori
Prevedere e ridurre il rischio

Rischio d'investimento

Cos'è il rischio?

Nei mercati finanziari il rischio misura l'incertezza
Dispersione o varianza dei rendimenti finanziari

Come si misura di solito il rischio?

Deviazione standard o varianza dei rendimenti giornalieri
Curtosi della distribuzione dei rendimenti giornalieri
Asimmetria (skewness) della distribuzione dei rendimenti giornalieri
Drawdown storico

Rischio finanziario

Rendimenti

Probabilità

Due modi di misurare il rendimento

I rendimenti derivano dai prezzi azionari
I rendimenti discreti (semplici) sono i più usati e rappresentano i movimenti di prezzo periodici (ad es. giornalieri, settimanali, mensili, ecc.)
I rendimenti logaritmici sono spesso usati nella ricerca accademica e nella modellizzazione finanziaria. Presuppongono capitalizzazione continua.

Calcolo dei rendimenti azionari

I rendimenti discreti si calcolano come variazione di prezzo in percentuale rispetto al prezzo del periodo precedente

Calcolo dei rendimenti logaritmici

I rendimenti logaritmici si calcolano come differenza tra i logaritmi di due prezzi
I rendimenti logaritmici si sommano nel tempo, mentre i rendimenti discreti si aggregano tra asset

$$ Rl = \ln(\frac{P_{t_2}}{P_{t_1}}) $$

oppure in modo equivalente

$$ Rl = \ln(P_{t_2}) - \ln(P_{t_1}) $$

Calcolare i rendimenti in Python

Passo 1:

Carica i prezzi azionari e salvali in un DataFrame pandas indicizzato per data:

import pandas as pd 
StockPrices = pd.read_csv('StockData.csv', parse_dates=['Date'])
StockPrices = StockPrices.sort_values(by='Date')
StockPrices.set_index('Date', inplace=True)

Calcolare i rendimenti in Python

Passo 2:

Calcola i rendimenti giornalieri dei prezzi di chiusura rettificati e aggiungili come nuova colonna nel DataFrame.

StockPrices["Returns"] = StockPrices["Adj Close"].pct_change()
StockPrices["Returns"].head()

Visualizzare le distribuzioni dei rendimenti

import matplotlib.pyplot as plt
plt.hist(StockPrices["Returns"].dropna(), bins=75, density=False)
plt.show()

Esercitiamoci!

Introduzione alla gestione del rischio di portafoglio in Python