Alternatywne miary ryzyka

Wprowadzenie do analizy portfela w Pythonie

Charlotte Werger

Data Scientist

Ryzyko spadku

Wykres ryzyka wzrostu i spadku

Dobra miara ryzyka powinna skupiać się na potencjalnych stratach, czyli ryzyku spadku

Wskaźnik Sortino

Podobny do wskaźnika Sharpe'a, ale z innym odchyleniem standardowym
$ Sortino \; Ratio = \frac{R_p - R_f}{\sigma_d}$
$\sigma_d$ to odchylenie standardowe strat.

Obliczanie ryzyka spadku

Wskaźnik Sortino w Pythonie

# Define risk free rate and target return of 0
rfr = 0
target_return = 0

# Calcualte the daily returns from price data
apple_returns=pd.DataFrame(apple_price.pct_change())

# Select the negative returns only 
negative_returns = apple_returns.loc[apple_returns['AAPL'] < target]

# Calculate expected return and std dev of downside returns
expected_return = apple_returns['AAPL'].mean()
down_stdev = negative_returns.std()

# Calculate the sortino ratio
sortino_ratio = (expected_return - rfr)/down_stdev
print(sortino_ratio)

0.07887683763760528

Maksymalne obsunięcie

Największa procentowa strata od szczytu do dołka rynku
Zależy od wybranego okna czasowego
Czas odbudowy: czas powrotu do punktu wyjścia

Obsunięcia indeksu S&P500 w czasie

Maksymalne dzienne obsunięcie w Pythonie

# Calculate the maximum value of returns using rolling().max()
roll_max = apple_price.rolling(min_periods=1,window=250).max()

# Calculate daily draw-down from rolling max
daily_drawdown = apple_price/roll_max - 1.0

# Calculate maximum daily draw-down
max_daily_drawdown = daily_drawdown.rolling(min_periods=1,window=250).min()

# Plot the results
daily_drawdown.plot()
max_daily_drawdown.plot()
plt.show()

Maksymalne obsunięcie Apple

Wykres maksymalnego obsunięcia cen Apple

Czas na ćwiczenia!

Wprowadzenie do analizy portfela w Pythonie