Portofolio MSR

Portofolio maximum Sharpe ratio, atau MSR, yang berada di puncak efficient frontier, dapat dibangun dengan mencari portofolio dengan rasio Sharpe tertinggi.

Sayangnya, portofolio MSR sering kali cukup labil. Meskipun portofolio memiliki rasio Sharpe historis yang tinggi, hal itu tidak menjamin portofolio akan memiliki rasio Sharpe yang baik ke depan.

Latihan ini merupakan bagian dari kursus

Pengantar Manajemen Risiko Portofolio dengan Python

Lihat Kursus

Instruksi latihan

Urutkan RandomPortfolios berdasarkan nilai Sharpe tertinggi, dengan peringkat menurun.
Kalikan MSR_weights_array ke seluruh baris StockReturns untuk memperoleh imbal hasil saham berbobot.
Terakhir, tinjau plot imbal hasil kumulatif dari waktu ke waktu.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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'])

Edit dan Jalankan Kode