Finansiella avkastningar

Introduktion till portföljriskhantering i Python

Dakota Wixom

Quantitative Analyst | QuantCourse.com

Kursöversikt

Lär dig analysera fördelningar av investeringsavkastning, bygga portföljer och minska risk, samt identifiera viktiga faktorer som driver portföljavkastning.

Univariat investeringsrisk
Portföljinvestering
Factorinvestering
Prognoser och riskreducering

Investeringsrisk

Vad är risk?

Risk på finansmarknader är ett mått på osäkerhet
Spridning eller varians i finansiella avkastningar

Hur mäter man risk?

Standardavvikelse eller varians för dagliga avkastningar
Kurtosis i fördelningen av dagliga avkastningar
Skevhet i fördelningen av dagliga avkastningar
Historisk drawdown

Finansiell risk

Avkastningar

Sannolikhet

Två typer av avkastning

Avkastningar härleds från aktiekurser
Diskreta avkastningar (enkla avkastningar) är de vanligast förekommande och representerar periodvisa (t.ex. dagliga, veckovisa, månadsvisa) prisrörelser
Logaritmiska avkastningar används ofta i akademisk forskning och finansiell modellering. De förutsätter kontinuerlig ränteuppräkning.

Beräkna aktiekursavkastningar

Diskreta avkastningar beräknas som prisförändringen som en procentandel av föregående periods pris

Beräkna logaritmiska avkastningar

Logaritmiska avkastningar beräknas som skillnaden mellan logaritmen av två priser
Logaritmiska avkastningar aggregeras över tid, medan diskreta avkastningar aggregeras över tillgångar

$$ Rl = \ln(\frac{P_{t_2}}{P_{t_1}}) $$

eller ekvivalent

$$ Rl = \ln(P_{t_2}) - \ln(P_{t_1}) $$

Beräkna aktiekursavkastningar i Python

Steg 1:

Läs in aktiekursdata och lagra det som en pandas DataFrame organiserad efter datum:

import pandas as pd 
StockPrices = pd.read_csv('StockData.csv', parse_dates=['Date'])
StockPrices = StockPrices.sort_values(by='Date')
StockPrices.set_index('Date', inplace=True)

Beräkna aktiekursavkastningar i Python

Steg 2:

Beräkna dagliga avkastningar för de justerade stängningskurserna och lägg till avkastningarna som en ny kolumn i DataFrame.

StockPrices["Returns"] = StockPrices["Adj Close"].pct_change()
StockPrices["Returns"].head()

Visualisera avkastningsfördelningar

import matplotlib.pyplot as plt
plt.hist(StockPrices["Returns"].dropna(), bins=75, density=False)
plt.show()

Nu kör vi en övning!

Introduktion till portföljriskhantering i Python