마르코위츠 포트폴리오

Python으로 시작하는 포트폴리오 리스크 관리

Dakota Wixom

Quantitative Analyst | QuantCourse.com

무작위로 생성된 포트폴리오 100,000개

샤프 비율

샤프 비율은 위험 조정 수익률의 척도입니다.

1966년 버전의 샤프 비율 계산식:

$$ S = \frac{ R_a - r_f }{\sigma_a} $$

S: 샤프 비율
$ R_a $: 자산 수익률
$ r_f $: 무위험 수익률
$ \sigma_a $: 자산 변동성

효율적 프론티어

마르코위츠 포트폴리오

효율적 프론티어 위의 모든 점은 최적 포트폴리오입니다.

다음 두 가지 주요 지점을 마르코위츠 포트폴리오라고 합니다:

MSR: 최대 샤프 비율(Max Sharpe Ratio) 포트폴리오
GMV: 글로벌 최소 변동성(Global Minimum Volatility) 포트폴리오

포트폴리오 선택

최적의 포트폴리오를 어떻게 선택할까요?

효율적 프론티어의 경계선 위에 있는 포트폴리오를 선택하세요
더 높은 위험을 감수하면 더 높은 수익을 기대할 수 있습니다

Python에서 MSR 선택하기

Volatility와 Returns 열을 가진 무작위 포트폴리오 DataFrame df가 있다고 가정합니다:

numstocks = 5
risk_free = 0
df["Sharpe"] = (df["Returns"] - risk_free) / df["Volatility"]
MSR = df.sort_values(by=['Sharpe'], ascending=False)
MSR_weights = MSR.iloc[0, 0:numstocks]
np.array(MSR_weights)

array([0.15, 0.35, 0.10, 0.15, 0.25])

과거 성과는 미래 수익을 보장하지 않습니다

최대 샤프 비율 포트폴리오는 매력적으로 들리지만, 실제로 수익률을 예측하기는 매우 어렵습니다.

Python에서 GMV 선택하기

Volatility와 Returns 열을 가진 무작위 포트폴리오 DataFrame df가 있다고 가정합니다:

numstocks = 5
GMV = df.sort_values(by=['Volatility'], ascending=True)
GMV_weights = GMV.iloc[0, 0:numstocks]
np.array(GMV_weights)

array([0.25, 0.15, 0.35, 0.15, 0.10])

연습해 봅시다!

Python으로 시작하는 포트폴리오 리스크 관리