Tolka Sharpe-kvoten

I videon såg du att Sharpe-kvoten för Apple-aktien var under 1, närmare bestämt 0,64. Kom ihåg att Sharpe-kvoten representerar avkastningen i förhållande till risken – hur tolkar du då en Sharpe-kvot på 0,64? Vilket av påståendena nedan stämmer?

Den här övningen är en del av kursen

Introduktion till portföljanalys i Python

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

Introduktion till portföljanalys i Python

SkillTag.level.advancedSkillTag.label

4.9+

Starta kursen gratis

I det första kapitlet lär du dig hur en portfölj byggs upp av enskilda tillgångar och tillhörande vikter. Kapitlet tar också upp hur man beräknar portföljens viktigaste egenskaper: avkastning och risk.

Exercise 1: Välkommen till portföljanalys!Exercise 2: Varför investera i portföljer Exercise 3: Effekten av diversifiering Exercise 4: Portföljavkastning Exercise 5: Portföljförluster och vägen tillbaka Exercise 6: Beräkna medelavkastning Exercise 7: Kumulativ avkastning för portföljen Exercise 8: Mäta risk i en portfölj Exercise 9: Portföljvarians Exercise 10: Standardavvikelse kontra varians

Kapitel 2 går djupare in på hur man mäter avkastning och risk på ett korrekt sätt. Den första delen av kapitlet täcker de två viktigaste avkastningsmåtten: annualiserad avkastning och riskjusterad avkastning. I den andra delen lär du dig att betrakta risk ur olika perspektiv, med fokus på snedhet och kurtosis i en fördelning samt nedsiderisk.

Exercise 1: Annualiserad avkastning Exercise 2: Annualisera portföljavkastning Exercise 3: Jämföra annualiserade avkastningar Exercise 4: Riskjusterad avkastning Exercise 5: Tolka Sharpe-kvoten

Aktuell övning

Exercise 6: Sharpe-kvot för S&P500 Exercise 7: Portföljens Sharpe-kvot Exercise 8: Icke-normalfördelad avkastning Exercise 9: Skevhet i S&P500 Exercise 10: Beräkna skevhet och kurtosis Exercise 11: Jämföra fördelningar av aktieavkastningar Exercise 12: Alternativa riskmått Exercise 13: Sortino-kvoten Exercise 14: Maximal drawdown för portfölj

I kapitel 3 lär du dig om investeringsfaktorer och hur de påverkar risk och avkastning. Du lär dig om Fama-French-faktormodellen och använder den för att bryta ner portföljens avkastning i förklaringsbara, gemensamma faktorer. Kapitlet tar också upp hur du använder Pyfolio, ett verktyg för portföljanalys med öppen källkod.

Exercise 1: Jämföra mot ett riktmärke Exercise 2: Aktiv avkastning Exercise 3: Branschattribution Exercise 4: Riskfaktorer Exercise 5: Storleksfaktorn Exercise 6: Momentumfaktor Exercise 7: Värdefaktorn Exercise 8: Faktormodeller Exercise 9: Korrelationer för Fama French-faktorer Exercise 10: Linjär regressionsmodell Exercise 11: Fama French-faktormodellen Exercise 12: Verktyg för portföljanalys Exercise 13: Performance tear sheet Exercise 14: Branschexponering med Pyfolio

I det sista kapitlet lär du dig att skapa optimala portföljvikter med hjälp av Markowitz portföljoptimeringsramverk. Du lär dig att hitta de optimala vikterna för en önskad risk- eller avkastningsnivå. Avslutningsvis lär du dig alternativa metoder för att beräkna förväntad risk och avkastning med enbart de senaste tillgängliga data.

Exercise 1: Modern portföljteori Exercise 2: Förstå den effektiva fronten Exercise 3: Beräkna förväntad risk och avkastning Exercise 4: Riskfunktioner i PyPortfolioOpt Exercise 5: Optimal portföljprestanda Exercise 6: Maximal Sharpe-kvot kontra minimal volatilitet Exercise 7: Portföljoptimering: Maximalt Sharpe-tal Exercise 8: Optimering av minsta volatilitet Exercise 9: Jämföra max Sharpe med min volatilitet Exercise 10: Alternativ portföljoptimering Exercise 11: Exponentiellt viktad avkastning och risk Exercise 12: Jämföra metoder Exercise 13: Ändra spannet Exercise 14: Sammanfattning