Альтернативные меры риска

Введение в анализ портфеля на Python

Charlotte Werger

Data Scientist

Риск падения

График риска роста и падения

Хорошая мера риска должна быть сосредоточена на потенциальных убытках, т.е. на риске падения

Коэффициент Сортино

Аналог коэффициента Шарпа, но с другим стандартным отклонением
$ Sortino \; Ratio = \frac{R_p - R_f}{\sigma_d}$
$\sigma_d$ — стандартное отклонение риска падения.

Расчёт риска падения

Коэффициент Сортино в Python

# 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

Максимальная просадка

Наибольший процентный убыток от пика до минимума рынка
Зависит от выбранного временного окна
Время восстановления: период возврата к точке безубыточности

Просадки индекса S&P500 за период

Максимальная дневная просадка в Python

# 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()

Максимальная просадка Apple

График максимальной просадки акций Apple

Давайте потренируемся!

Введение в анализ портфеля на Python