Oefenen met PyPortfolioOpt: rendementen
De Modern Portfolio Theory is de basis van portefeuillerisicobeheer, omdat de efficiënte grens een standaardmethode is om zowel de risicobereidheid van beleggers als de ruil tussen risico en rendement in de markt te beoordelen. In deze oefening bouw je krachtige tools om de efficiënte grens van een portefeuille te verkennen met de PyPortfolioOpt-bibliotheek pypfopt voor Python.
Voor het berekenen van de efficiënte grens heb je zowel de verwachte rendementen als de covariantiematrix van de portefeuille nodig.
Nadat je hebt geoefend met het inladen van koersgegevens van investment banks, gebruik je de methode mean_historical_return uit pypfopt.expected_returns om het jaarlijks gemiddelde rendement van elke bank te berekenen en te visualiseren op basis van dagelijkse prijzen. De volgende oefening behandelt vervolgens de covariantiematrix.
Deze oefening maakt deel uit van de cursus
Kwantitatief risicobeheer in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Load the investment portfolio price data into the price variable.
prices = pd.____("portfolio.csv")
# Convert the 'Date' column to a datetime index
prices['Date'] = pd.to_datetime(____['Date'], format='%d/%m/%Y')
prices.____(['Date'], inplace = True)