ผลตอบแทนที่ปรับด้วยความเสี่ยง
การวิเคราะห์พอร์ตโฟลิโอด้วย Python
Charlotte Werger
Data Scientist
เลือกพอร์ตโฟลิโอ
$ $
พอร์ตโฟลิโอ 1
- ผลตอบแทนรายปี 14%
- ความผันผวน (ส่วนเบี่ยงเบนมาตรฐาน) 8%
$ $
พอร์ตโฟลิโอ 2
- ผลตอบแทนรายปี 6%
- ความผันผวน 3%
ผลตอบแทนที่ปรับด้วยความเสี่ยง
$$
- บ่งบอกผลตอบแทนของการลงทุนโดยวัดว่าต้องรับความเสี่ยงมากแค่ไหนเพื่อให้ได้ผลตอบแทนนั้น
- โดยทั่วไปแสดงในรูปอัตราส่วน
- ช่วยเปรียบเทียบตัวเลือกการลงทุนต่าง ๆ ได้อย่างเป็นกลาง
- บอกว่าผลตอบแทนที่ได้คุ้มค่ากับความเสี่ยงที่รับหรือไม่
Sharpe Ratio
- Sharpe ratio เป็นอัตราส่วนผลตอบแทนที่ปรับด้วยความเสี่ยงที่นิยมใช้มากที่สุด
- คำนวณได้ดังนี้
$ Sharpe \; ratio = \frac{R_p - R_f} {\sigma_p} $
โดยที่ $ R_p$ คือผลตอบแทนของพอร์ตโฟลิโอ $R_f$ คืออัตราผลตอบแทนปราศจากความเสี่ยง และ ${\sigma_p} $ คือส่วนเบี่ยงเบนมาตรฐานของพอร์ตโฟลิโอ
จำสูตรของ ${\sigma_p} $ ได้ไหม?
- $ \sigma_p = \sqrt(Weights \; transposed (Covariance \; matrix \; * \; Weights)$)
การปรับความผันผวนให้เป็นรายปี
$$
- ส่วนเบี่ยงเบนมาตรฐานรายปีคำนวณได้ดังนี้ $ \sigma_a=\sigma_m * \sqrt{T} $
- $ \sigma_m $ คือส่วนเบี่ยงเบนมาตรฐานที่วัดได้
- $ \sigma_a $ คือส่วนเบี่ยงเบนมาตรฐานรายปี
- T คือจำนวนจุดข้อมูลต่อปี
- หรือเมื่อใช้ความแปรปรวนแทนส่วนเบี่ยงเบนมาตรฐาน $ \sigma_a^2=\sigma_m^2 * {T} $
การคำนวณ Sharpe Ratio
# 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
คุณเลือกพอร์ตโฟลิโอไหน?
$ $
พอร์ตโฟลิโอ 1
- ผลตอบแทนรายปี 14%
- ความผันผวน (ส่วนเบี่ยงเบนมาตรฐาน) 8%
- Sharpe ratio เท่ากับ 1.75
$ $
พอร์ตโฟลิโอ 2
- ผลตอบแทนรายปี 6%
- ความผันผวน 3%
- Sharpe ratio เท่ากับ 2
มาฝึกกันเถอะ!
การวิเคราะห์พอร์ตโฟลิโอด้วย Python
