De MSR-portefeuille

De maximum Sharpe-ratio, of MSR-portefeuille, die zich op de top van de efficiënte grens bevindt, kun je samenstellen door te zoeken naar de portefeuille met de hoogste Sharpe-ratio.

Helaas is de MSR-portefeuille vaak behoorlijk grillig. Ook al had de portefeuille historisch een hoge Sharpe-ratio, dat garandeert niet dat de Sharpe-ratio in de toekomst ook goed zal zijn.

Deze oefening maakt deel uit van de cursus

Introductie tot portefeuillerisicobeheer in Python

Cursus bekijken

Oefeninstructies

Sorteer RandomPortfolios op de hoogste Sharpe-waarde, in aflopende volgorde.
Vermenigvuldig MSR_weights_array over de rijen van StockReturns om gewogen aandelenaandelensrendementen te krijgen.
Bekijk tot slot de grafiek van cumulatieve rendementen door de tijd.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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'])

Code bewerken en uitvoeren