Aan de slagGa gratis aan de slag

Sortino-ratio

In deze oefening staan de portefeuillerendementen in een DataFrame df. Daarmee ga je de Sortino-ratio berekenen. De Sortino-ratio lijkt op de Sharpe-ratio, maar gebruikt de standaarddeviatie van alleen de negatieve rendementen en legt zo de nadruk op de downside van beleggen.

Kijk hoe groot de Sortino-ratio is vergeleken met de eerder berekende Sharpe-ratio. De risicovrije rente rfr en het doelsrendement target zijn al gedefinieerd en beide nul.

Deze oefening maakt deel uit van de cursus

Introductie tot portefeuille-analyse in Python

Cursus bekijken

Oefeninstructies

  • Selecteer met .loc de rendementen die strikt kleiner zijn dan het target en sla ze op in een nieuwe DataFrame downside_returns.
  • Bereken het gemiddelde van de verwachte rendementen en de standaarddeviatie van de downside-returns.
  • Bereken de Sortino-ratio met rfr voor de risicovrije rente.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Create a downside return column with the negative returns only
downside_returns = df.loc[df['pf_returns'] ____ target]

# Calculate expected return and std dev of downside
expected_return = df['____'].____()
down_stdev = downside_returns['pf_returns'].____()

# Calculate the sortino ratio
sortino_ratio = (____ - ____)/____

# Print the results
print("Expected return  : ", expected_return*100)
print("Downside risk   : ", down_stdev*100)
print("Sortino ratio : ", sortino_ratio)
Code bewerken en uitvoeren