สรุปทบทวน
การวิเคราะห์พอร์ตโฟลิโอด้วย Python
Charlotte Werger
Data Scientist
บทที่ 1: การคำนวณความเสี่ยงและผลตอบแทน
$ $
- พอร์ตโฟลิโอในฐานะชุดของน้ำหนักและสินทรัพย์
- การกระจายความเสี่ยง
- ผลตอบแทนเฉลี่ยเทียบกับผลตอบแทนสะสม
- ความแปรปรวน ส่วนเบี่ยงเบนมาตรฐาน ความสัมพันธ์ และเมทริกซ์โคแวเรียนซ์
- การคำนวณความแปรปรวนของพอร์ตโฟลิโอ
บทที่ 2: เจาะลึกตัววัดความเสี่ยง
$ $
- การปรับผลตอบแทนและความเสี่ยงเป็นรายปีเพื่อเปรียบเทียบในช่วงเวลาต่างกัน
- Sharpe ratio ในฐานะตัววัดผลตอบแทนที่ปรับตามความเสี่ยง
- ความเบ้และความโด่ง: การมองเกินกว่าค่าเฉลี่ยและความแปรปรวนของการกระจาย
- Maximum drawdown ความเสี่ยงด้านลบ และ Sortino ratio
บทที่ 3: การวิเคราะห์ประสิทธิภาพของพอร์ตโฟลิโอ
$ $
- เปรียบเทียบกับเกณฑ์อ้างอิงด้วย active weights และ active returns
- ปัจจัยการลงทุน: อธิบายผลตอบแทนและแหล่งที่มาของความเสี่ยง
- Fama-French 3 factor model เพื่อแยกประสิทธิภาพออกเป็นปัจจัยและ alpha
- Pyfolio ในฐานะเครื่องมือวิเคราะห์พอร์ตโฟลิโอ
บทที่ 4: การหาพอร์ตโฟลิโอที่เหมาะสมที่สุด
$ $
- การปรับพอร์ตโฟลิโอตามแนวทางของ Markowitz: efficient frontier พอร์ตโฟลิโอ Sharpe สูงสุด และความผันผวนต่ำสุด
- ผลตอบแทนและความเสี่ยงแบบถ่วงน้ำหนักเอ็กซ์โพเนนเชียล และ semicovariance
เรียนรู้เพิ่มเติม
$ $
- คอร์ส DataCamp เรื่อง Portfolio Risk Management in Python
- ชุดบทเรียนของ Quantopian: https://www.quantopian.com/lectures
- เรียนรู้ผ่านการลงมือทำ: Pyfolio และ PyPortfolioOpt
จบคอร์สนี้แล้ว
การวิเคราะห์พอร์ตโฟลิโอด้วย Python
