LoslegenKostenlos loslegen

Portfoliosimulation – Teil I

In den nächsten paar Übungen berechnest du die erwarteten Renditen eines Aktienportfolios und beschreibst deren Unsicherheit.

Angenommen, du hast 10.000 $ in ein Portfolio mit mehreren Aktien investiert. Du willst die Performance des Portfolios über 10 Jahre bewerten. Du kannst die erwartete Gesamtrendite und die Volatilität (Standardabweichung der Rendite) anpassen. Nimm an, dass die Rendite normalverteilt ist.

Schreibe zunächst eine Funktion, die das Anfangskapital (Initialinvestition), die Anzahl der Jahre, die erwartete Rendite und die Volatilität als Eingaben nimmt und den Gesamtwert des Portfolios nach 10 Jahren zurückgibt.

Nach Abschluss dieser Übung hast du eine Funktion, die du aufrufen kannst, um die Portfolio-Performance zu bestimmen.

Diese Übung ist Teil des Kurses

Statistische Simulation in Python

Kurs anzeigen

Anleitung zur Übung

  • Akzeptiere in der Funktionsdefinition vier Argumente: Anzahl der Jahre yrs, die erwartete Rendite avg_return, Volatilität sd_of_return und das Anfangskapital (Initialinvestition) principal als Eingaben.
  • Simuliere rates der Rendite für jedes Jahr als normalverteilte Zufallsvariable.
  • Initialisiere end_return mit der Eingabe principal. In der for-Schleife wird end_return jedes Jahr mit der Rendite skaliert.
  • Verwende portfolio_return(), um result zu berechnen und auszugeben.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# rates is a Normal random variable and has size equal to number of years
def portfolio_return(____):
    np.random.seed(123)
    rates = ____(loc=avg_return, scale=sd_of_return, size=yrs)
    # Calculate the return at the end of the period
    end_return = ____
    for x in rates:
        end_return = end_return*(1+____)
    return end_return

result = portfolio_return(yrs = 5, avg_return = 0.07, sd_of_return = 0.15, principal = 1000)
print("Portfolio return after 5 years = {}".format(____))
Code bearbeiten und ausführen