Riskjusterad avkastning

Introduktion till portföljanalys i Python

Charlotte Werger

Data Scientist

Välj en portfölj

$ $

Portfölj 1

$ $

Portfölj 2

Den definierar en investerings avkastning genom att mäta hur mycket risk som krävs för att generera den
Den uttrycks vanligtvis som ett nyckeltal
Gör det möjligt att objektivt jämföra olika investeringsalternativ
Visar om avkastningen motiverar den underliggande risken

Sharpe-kvoten är det mest använda måttet på riskjusterad avkastning
Den beräknas enligt följande:
$ Sharpe \; ratio = \frac{R_p - R_f} {\sigma_p} $
Där: $ R_p$ är portföljens avkastning, $R_f$ är den riskfria räntan och ${\sigma_p} $ är portföljens standardavvikelse
Kommer du ihåg formeln för portföljens ${\sigma_p} $?
$ \sigma_p = \sqrt(Weights \; transposed (Covariance \; matrix \; * \; Weights)$)

Annualiserad standardavvikelse beräknas enligt: $ \sigma_a=\sigma_m * \sqrt{T} $
$ \sigma_m $ är den uppmätta standardavvikelsen
$ \sigma_a $ är den annualiserade standardavvikelsen
T är antalet datapunkter per år
Alternativt, med varians istället för standardavvikelse: $ \sigma_a^2=\sigma_m^2 * {T} $

# Calculate the annualized standard deviation
annualized_vol = apple_returns.std()*np.sqrt(250)
print (annualized_vol)

0.2286248397870068

# Define the risk free rate
risk_free = 0.01

# Calcuate the sharpe ratio
sharpe_ratio = (annualized_return - risk_free) / annualized_vol
print (sharpe_ratio)

0.6419569149994251

$ $

Portfölj 1

$ $

Portfölj 2

Introduktion till portföljanalys i Python