เครื่องมือวิเคราะห์พอร์ตโฟลิโอ

การวิเคราะห์พอร์ตโฟลิโอด้วย Python

Charlotte Werger

Data Scientist

เครื่องมือวิเคราะห์พอร์ตโฟลิโอระดับมืออาชีพ

ภาพหน้าจอของเครื่องมือบริหารพอร์ตโฟลิโอระดับมืออาชีพ

Back-testing กลยุทธ์ของคุณ

Back-testing: นำกลยุทธ์ไปทดสอบกับข้อมูลในอดีตเพื่อดูผลที่จะเกิดขึ้น
กลยุทธ์ที่ทำงานได้ดีกับข้อมูลในอดีต ไม่ได้รับประกันว่าจะให้ผลดีในอนาคต -> ตลาดมีการเปลี่ยนแปลงอยู่เสมอ

ผลลัพธ์ back-test ของพอร์ตโฟลิโอที่แสดงเทียบกับดัชนี

เครื่องมือ pyfolio ของ Quantopian

$ $

โลโก้ Quantopian

$ $ โลโก้ Pyfolio

¹ Github: https://github.com/quantopian/pyfolio

การวิเคราะห์ประสิทธิภาพและความเสี่ยงใน Pyfolio

# Install the package
!pip install pyfolio
# Import the package
import pyfolio as pf

# Read the data as a pandas series
returns=pd.Series(pd.read_csv('pf_returns.csv')
returns.index=pd.to_datetime(returns.index)

# Create a tear sheet on returns
pf.create_returns_tear_sheet(returns)

# If you have backtest and live data 
pf.create_returns_tear_sheet(returns, live_start_date='2018-03-01')

Tear sheet ของ Pyfolio

ตารางผลตอบแทนในผลลัพธ์ tear sheet ของ Pyfolio

Rolling Sharpe ratio ในผลลัพธ์ tear sheet ของ Pyfolio

กราฟ Drawdown ในผลลัพธ์ tear sheet ของ Pyfolio

การถือครองและความเสี่ยงใน Pyfolio

# define our sector mappings
sect_map = {'COST': 'Consumer Goods',
            'INTC': 'Technology', 
            'CERN': 'Healthcare', 
            'GPS': 'Technology',
            'MMM': 'Construction', 
            'DELL': 'Technology', 
            'AMD': 'Technology'}

pf.create_position_tear_sheet(returns, positions, 
                             sector_mappings=sect_map)

ผลลัพธ์ Exposure tear sheet

10 อันดับตำแหน่งในผลลัพธ์ tear sheet ของ Pyfolio

$ $

การจัดสรรตามกลุ่มอุตสาหกรรมในผลลัพธ์ tear sheet ของ Pyfolio

มาฝึกกันเถอะ!

การวิเคราะห์พอร์ตโฟลิโอด้วย Python