Výnosy upravené o riziko
Introduction to Portfolio Analysis in Python
Charlotte Werger
Data Scientist
Výběr portfólia
$ $
Portfólio 1
- Roční výnos 14 %
- Volatilita (směrodatná odchylka) je 8 %
$ $
Portfólio 2
- Roční výnos 6 %
- Volatilita je 3 %
Výnos upravený o riziko
$$
- Definuje výnos investice měřením míry podstupovaného rizika
- Obvykle se vyjadřuje jako poměr
- Umožňuje objektivní srovnání různých investičních možností
- Říká, zda výnos ospravedlňuje podkladové riziko
Sharpeho poměr
- Sharpeho poměr je nejpoužívanějším ukazatelem výnosu upraveného o riziko
- Vypočítá se takto:
$ Sharpe \; ratio = \frac{R_p - R_f} {\sigma_p} $
Kde: $ R_p$ je výnos portfólia, $R_f$ je bezriziková sazba a ${\sigma_p} $ je směrodatná odchylka portfólia
Pamatujete na vzorec pro ${\sigma_p} $ portfólia?
- $ \sigma_p = \sqrt(Weights \; transposed (Covariance \; matrix \; * \; Weights)$)
Anualizace volatility
$$
- Anualizovaná směrodatná odchylka se vypočítá takto: $ \sigma_a=\sigma_m * \sqrt{T} $
- $ \sigma_m $ je naměřená směrodatná odchylka
- $ \sigma_a $ je anualizovaná směrodatná odchylka
- T je počet datových bodů za rok
- Alternativně při použití rozptylu místo směrodatné odchylky: $ \sigma_a^2=\sigma_m^2 * {T} $
Výpočet Sharpeho poměru
# Calculate the annualized standard deviation
annualized_vol = apple_returns.std()*np.sqrt(250)
print (annualized_vol)
0.2286248397870068
# Define the risk free rate
risk_free = 0.01
# Calcuate the sharpe ratio
sharpe_ratio = (annualized_return - risk_free) / annualized_vol
print (sharpe_ratio)
0.6419569149994251
Které portfólio jste si vybrali?
$ $
Portfólio 1
- Roční výnos 14 %
- Volatilita (směrodatná odchylka) je 8 %
- Sharpeho poměr 1,75
$ $
Portfólio 2
- Roční výnos 6 %
- Volatilita je 3 %
- Sharpeho poměr 2
Pojďme si procvičit!
Introduction to Portfolio Analysis in Python
