Úvod do řízení portfoliového rizika v Pythonu
Dakota Wixom
Quantitative Analyst | QuantCourse.com


Pokud je StockReturns pandas DataFrame výnosů akcií, korelační matici vypočítáte takto:
correlation_matrix = StockReturns.corr()
print(correlation_matrix)

Směrodatná odchylka portfolia složeného ze dvou aktiv:
$$ \sigma_p = \sqrt{ w_1^2 \sigma_1^2 + w_2^2 \sigma_2^2 + 2 w_1 w_2 \rho_{1, 2} \sigma_1 \sigma_2 }$$
Výpočet kovariační matice ($ \Sigma $) výnosů X:

Pokud je StockReturns pandas DataFrame výnosů akcií, kovariační matici vypočítáte takto:
cov_mat = StockReturns.cov()
cov_mat

Anualizace kovariační matice:
cov_mat_annual = cov_mat * 252
Vzorec pro volatilitu portfolia:
$$ \sigma_{Portfolio} = \sqrt{ w_T \cdot \Sigma \cdot w } $$
Příklady operace transpozice matice:

Operace skalárního součinu dvou vektorů a a b:

Pro výpočet volatility portfolia předpokládejte pole vah a kovariační matici:
import numpy as np
port_vol = np.sqrt(np.dot(weights.T, np.dot(cov_mat, weights)))
port_vol
0.035
Úvod do řízení portfoliového rizika v Pythonu