Modern portföy teorisi

Python ile Portföy Analizine Giriş

Charlotte Werger

Data Scientist

En iyi portföyleri oluşturma

Yatırım stratejisi simgesi

Portföy Optimizasyonu nedir?

Harry Markowitz ile tanış

Harry Markowitz

Optimizasyon problemi: en iyi ağırlıkları bulma

$$ Markowitz'in optimizasyon problemi

Sözle:

Portföy varyansını minimize et; koşullar:
Beklenen ortalama getiri, bir hedef getiriden en az bu kadar yüksek
Ağırlıkların toplamı %100
En az bazı ağırlıklar pozitif

Hedef getiriyi değiştirmek Etkin Sınır'ı verir

Etkin sınır grafiği

Portföy optimizasyonu için PyPortfolioOpt

from pypfopt.efficient_frontier import EfficientFrontier
from pypfopt import risk_models
from pypfopt import expected_returns

df=pd.read_csv('portfolio.csv')
df.head(2)
                XOM        RRC        BBY         MA        PFE       
date
2010-01-04  54.068794  51.300568  32.524055  22.062426  13.940202 
2010-01-05  54.279907  51.993038  33.349487  21.997149  13.741367

# Beklenen yıllıklaştırılmış getiriyi ve örnek kovaryansı hesapla
mu = expected_returns.mean_historical_return(df)
Sigma = risk_models.sample_cov(df)

Etkin Sınır'ı ve portföy ağırlıklarını al

# Beklenen yıllıklaştırılmış getiriyi ve riski hesapla
mu = expected_returns.mean_historical_return(df)
Sigma = risk_models.sample_cov(df)

# EfficientFrontier'ı elde et
ef = EfficientFrontier(mu, Sigma)

# Seçili en iyi portföyü belirle
ef.max_sharpe()

Farklı optimizasyonlar

# Maksimum Sharpe portföyünü seç
ef.max_sharpe()

# Hedef risk için en iyi getiriyi seç 
ef.efficient_risk(2.3)

# Hedef getiri için en düşük riski seç
ef.efficient_return(1.5)

Portföy riski ve performansını hesapla

# Performans metriklerini elde et
ef.portfolio_performance(verbose=True, risk_free_rate = 0.01)

Beklenen yıllık getiri: %21.3
Yıllık oynaklık: %19.5
Sharpe Oranı: 0.98

Hadi bir portföy optimize edelim!

Python ile Portföy Analizine Giriş