Portefeuilles équipondérés
Lorsque vous comparez différents portefeuilles, vous souhaitez souvent évaluer la performance par rapport à un portefeuille naïf équipondéré. Si le portefeuille ne surperforme pas un simple portefeuille équipondéré, vous pouvez envisager une autre stratégie, ou simplement opter pour l’approche naïve si rien d’autre ne fonctionne. En général, les portefeuilles équipondérés ont tendance à surperformer le marché lorsque les plus grandes entreprises se portent mal. En effet, même les très petites entreprises auront la même pondération dans votre portefeuille équipondéré 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 environnement de travail.
Cet exercice fait partie du cours
Introduction à la gestion du risque de portefeuille en Python
Instructions
- Définissez
numstockségal à9, le nombre d’actions dans votre portefeuille. - Utilisez
np.repeat()pour définirportfolio_weights_ewégal à un tableau contenant une pondération égale pour chacune des 9 actions. - Utilisez l’accesseur
.ilocpour 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 cet exemple de code.
# 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'])