Introduction à la gestion du risque de portefeuille en Python
Dakota Wixom
Quantitative Analyst | QuantCourse.com
$$ R_p = R_{a_1} w_{a_1} + R_{a_2} w_{a_2} + ... + R_{a_n} w_{a_1} $$
En supposant que StockReturns est un DataFrame pandas de rendements boursiers, vous pouvez calculer le rendement du portefeuille pour un ensemble de pondérations comme suit :
import numpy as np
portfolio_weights = np.array([0.25, 0.35, 0.10, 0.20, 0.10])
port_ret = StockReturns.mul(portfolio_weights, axis=1).sum(axis=1)
port_ret
Date
2017-01-03 0.008082
2017-01-04 0.000161
2017-01-05 0.003448
...
StockReturns["Portfolio"] = port_ret
En supposant que StockReturns est un DataFrame pandas de rendements boursiers, vous pouvez calculer le rendement d'un portefeuille à pondérations égales comme suit :
import numpy as np
numstocks = 5
portfolio_weights_ew = np.repeat(1/numstocks, numstocks)
StockReturns.iloc[:,0:numstocks].mul(portfolio_weights_ew, axis=1).sum(axis=1)
Date
2017-01-03 0.008082
2017-01-04 0.000161
2017-01-05 0.003448
...
Pour tracer les rendements quotidiens en Python :
StockPrices["Returns"] = StockPrices["Adj Close"].pct_change()
StockReturns = StockPrices["Returns"]
StockReturns.plot()

Pour tracer les rendements cumulatifs de plusieurs portefeuilles :
import matplotlib.pyplot as plt
CumulativeReturns = ((1 + StockReturns).cumprod() - 1)
CumulativeReturns[["Portfolio","Portfolio_EW"]].plot()


Capitalisation boursière : Valeur des actions en circulation d'une entreprise.
Aussi appelée Market cap.
Pour calculer la pondération selon la capitalisation boursière d'une action n :
$$ w_{mcap_n} = \frac{mcap_n}{ \sum_{i=1}^n mcap_i } $$
Pour calculer les pondérations par capitalisation en Python, en supposant que vous avez les capitalisations de chaque entreprise :
import numpy as np
market_capitalizations = np.array([100, 200, 100, 100])
mcap_weights = market_capitalizations/sum(market_capitalizations)
mcap_weights
array([0.2, 0.4, 0.2, 0.2])
Introduction à la gestion du risque de portefeuille en Python