MSR-portföljen

Portföljen med maximalt Sharpe-tal, eller MSR-portföljen, som befinner sig i toppen av den effektiva fronten, kan konstrueras genom att söka efter portföljen med det högsta Sharpe-talet.

MSR-portföljen är dock ofta instabil. Även om portföljen historiskt sett haft ett högt Sharpe-tal är det ingen garanti för att den kommer att prestera lika bra framöver.

Den här övningen är en del av kursen

Introduktion till portföljriskhantering i Python

Visa kurs

Övningsinstruktioner

Sortera RandomPortfolios efter det högsta Sharpe-värdet i fallande ordning.
Multiplicera MSR_weights_array med raderna i StockReturns för att beräkna viktade aktiereturer.
Granska slutligen diagrammet över kumulativ avkastning över tid.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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'])

Redigera och kör kod