Вступ до керування ризиком портфеля в Python
Dakota Wixom
Quantitative Analyst | QuantCourse.com

Коефіцієнт Шарпа вимірює доходність з урахуванням ризику.
Щоб обчислити версію коефіцієнта Шарпа 1966 року:
$$ S = \frac{ R_a - r_f }{\sigma_a} $$

Будь-яка точка на ефективній межі — це оптимальний портфель.
Ці дві типові точки називають портфелями Марковіца:

Як обрати найкращий портфель?
Припустімо, є датафрейм df випадкових портфелів зі стовпцями Volatility і Returns:
numstocks = 5
risk_free = 0
df["Sharpe"] = (df["Returns"] - risk_free) / df["Volatility"]
MSR = df.sort_values(by=['Sharpe'], ascending=False)
MSR_weights = MSR.iloc[0, 0:numstocks]
np.array(MSR_weights)
array([0.15, 0.35, 0.10, 0.15, 0.25])
Хоча портфель з максимальним коефіцієнтом Шарпа звучить привабливо, на практиці доходність надзвичайно складно передбачити.
Припустімо, є датафрейм df випадкових портфелів зі стовпцями Volatility і Returns:
numstocks = 5
GMV = df.sort_values(by=['Volatility'], ascending=True)
GMV_weights = GMV.iloc[0, 0:numstocks]
np.array(GMV_weights)
array([0.25, 0.15, 0.35, 0.15, 0.10])
Вступ до керування ризиком портфеля в Python