Альтернативні міри ризику

Вступ до Portfolio Analysis у Python

Charlotte Werger

Data Scientist

Розглядаємо низхідний ризик

Графік висхідного та низхідного ризику

Хороша міра ризику має зосереджуватись на потенційних збитках, тобто на низхідному ризику

Коефіцієнт Сортіно

Схоже на коефіцієнт Шарпа, але з іншою стандартною відхилою
$ Sortino \; Ratio = \frac{R_p - R_f}{\sigma_d}$
$\sigma_d$ — стандартне відхилення низхідних значень.

Обчислення низхідного ризику

Коефіцієнт Сортіно в Python

# Define risk free rate and target return of 0
rfr = 0
target_return = 0

# Calcualte the daily returns from price data
apple_returns=pd.DataFrame(apple_price.pct_change())

# Select the negative returns only 
negative_returns = apple_returns.loc[apple_returns['AAPL'] < target]

# Calculate expected return and std dev of downside returns
expected_return = apple_returns['AAPL'].mean()
down_stdev = negative_returns.std()

# Calculate the sortino ratio
sortino_ratio = (expected_return - rfr)/down_stdev
print(sortino_ratio)

0.07887683763760528

Максимальне просідання

Найбільша відсоткова втрата від піку до дна ринку
Залежить від обраного часового вікна
Час відновлення: скільки потрібно, щоб повернутися в нуль

Просідання S&P500 у часі

Максимальне денне просідання в Python

# Calculate the maximum value of returns using rolling().max()
roll_max = apple_price.rolling(min_periods=1,window=250).max()

# Calculate daily draw-down from rolling max
daily_drawdown = apple_price/roll_max - 1.0

# Calculate maximum daily draw-down
max_daily_drawdown = daily_drawdown.rolling(min_periods=1,window=250).min()

# Plot the results
daily_drawdown.plot()
max_daily_drawdown.plot()
plt.show()

Максимальне просідання Apple

Графік максимального просідання для цін Apple

Давайте потренуємось!

Вступ до Portfolio Analysis у Python