Portefeuilles à pondération égale

Lorsque vous comparez différents portefeuilles, vous voulez souvent évaluer la performance par rapport à un portefeuille naïf pondéré également. Si le portefeuille ne surpasse pas un simple portefeuille à pondération égale, vous pourriez envisager une autre stratégie, ou simplement opter pour l'approche naïve si rien d'autre ne fonctionne. Vous pouvez vous attendre à ce que les portefeuilles à pondération égale aient tendance à surperformer le marché lorsque les plus grandes entreprises vont moins bien. C'est parce que même les très petites entreprises auraient la même pondération dans votre portefeuille à pondération égale qu'Apple ou Amazon, par exemple.

Pour vous aider à visualiser plus facilement les rendements cumulés des portefeuilles, nous avons défini la fonction cumulative_returns_plot() dans votre espace de travail.

Cette activité fait partie du cours

Introduction à la gestion du risque de portefeuille en Python

Voir le cours

Instructions de l’exercice

Attribuez à numstocks la valeur 9, qui est le nombre de titres dans votre portefeuille.
Utilisez np.repeat() pour définir portfolio_weights_ew comme un tableau avec une pondération égale pour chacun des 9 titres.
Utilisez l'accesseur .iloc pour sélectionner toutes les lignes et les 9 premières colonnes lors du calcul du rendement du portefeuille.
Enfin, examinez le graphique des rendements cumulés dans le temps.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# How many stocks are in your portfolio?
numstocks = ____

# Create an array of equal weights across all assets
portfolio_weights_ew = ____

# Calculate the equally-weighted portfolio returns
StockReturns['Portfolio_EW'] = StockReturns.iloc[____, ____].mul(portfolio_weights_ew, axis=1).sum(axis=1)
cumulative_returns_plot(['Portfolio', 'Portfolio_EW'])

Modifier et exécuter le code