Das MSR-Portfolio

Das Maximum-Sharpe-Ratio- oder MSR-Portfolio, das an der Spitze der effizienten Grenzlinie liegt, lässt sich konstruieren, indem du nach dem Portfolio mit dem höchsten Sharpe-Verhältnis suchst.

Leider ist das MSR-Portfolio oft recht sprunghaft. Auch wenn das Portfolio historisch ein hohes Sharpe-Verhältnis hatte, garantiert das nicht, dass es künftig ebenfalls ein gutes Sharpe-Verhältnis aufweist.

Diese Übung ist Teil des Kurses

Einführung in das Portfoliorisikomanagement mit Python

Kurs anzeigen

Anleitung zur Übung

Sortiere RandomPortfolios nach dem höchsten Sharpe-Wert in absteigender Reihenfolge.
Multipliziere MSR_weights_array zeilenweise mit StockReturns, um gewichtete Aktienrenditen zu erhalten.
Sieh dir abschließend die Grafik der kumulierten Renditen im Zeitverlauf an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Sort the portfolios by Sharpe ratio
sorted_portfolios = RandomPortfolios.____(by=['Sharpe'], ascending=____)

# Extract the corresponding weights
MSR_weights = sorted_portfolios.iloc[0, 0:numstocks]

# Cast the MSR weights as a numpy array
MSR_weights_array = np.array(MSR_weights)

# Calculate the MSR portfolio returns
StockReturns['Portfolio_MSR'] = StockReturns.iloc[:, 0:numstocks].mul(____, axis=1).sum(axis=1)

# Plot the cumulative returns
cumulative_returns_plot(['Portfolio_EW', 'Portfolio_MCap', 'Portfolio_MSR'])

Code bearbeiten und ausführen