Sammanfattning
Introduktion till portföljanalys i Python
Charlotte Werger
Data Scientist
Kapitel 1: Beräkning av risk och avkastning
$ $
- En portfölj som en samling vikter och tillgångar
- Diversifiering
- Medelavkastning kontra kumulativ avkastning
- Varians, standardavvikelse, korrelationer och kovariansmatrisen
- Beräkning av portföljvarians
Kapitel 2: Fördjupning i riskmått
$ $
- Annualisering av avkastning och risk för jämförelse över olika perioder
- Sharpe-kvoten som mått på riskjusterad avkastning
- Skevhet och kurtosis: bortom medelvärde och varians i en fördelning
- Maximalt drawdown, nedsidesrisk och Sortino-kvoten
Kapitel 3: Analys av avkastning
$ $
- Jämförelse med riktmärke via aktiva vikter och aktiv avkastning
- Investeringsfaktorer: förklarar avkastning och riskkällor
- Fama-French trefaktormodell för att bryta ned avkastning i förklaringsbara faktorer och alfa
- Pyfolio som verktyg för portföljanalys
Kapitel 4: Hitta den optimala portföljen
$ $
- Markowitz portföljoptimering: den effektiva fronten, maximal Sharpe-kvot och minimivolatilitetsportföljer
- Exponentiellt viktad risk och avkastning, semikovarians
Fortsatt lärande
$ $
- DataCamp-kurs om portföljriskhantering i Python
- Quantopians föreläsningsserie: https://www.quantopian.com/lectures
- Lär dig genom att göra: Pyfolio och PyPortfolioOpt
Kursens slut
Introduktion till portföljanalys i Python
