MSR 포트폴리오

효율적 프런티어의 정점에 위치한 최대 샤프 비율, 즉 MSR 포트폴리오는 샤프 비율이 가장 높은 포트폴리오를 찾아 구성할 수 있어요.

하지만 MSR 포트폴리오는 종종 변동성이 큽니다. 과거에 높은 샤프 비율을 보였더라도, 앞으로도 좋은 샤프 비율을 보장하는 것은 아니에요.

이 연습은 강의의 일부입니다

Python으로 시작하는 포트폴리오 리스크 관리

강의 보기

연습 안내

RandomPortfolios를 샤프 값이 가장 높은 순으로, 내림차순 정렬하세요.
StockReturns의 각 행에 MSR_weights_array를 곱해 가중 주식 수익률을 계산하세요.
마지막으로, 시간에 따른 누적 수익률 플롯을 확인하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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'])

코드 편집 및 실행