Likaviktade portföljer
När du jämför olika portföljer vill du ofta se hur de presterar i förhållande till en enkel likaviktad portfölj. Om portföljen inte slår en sådan enkel strategi kan det vara värt att överväga ett annat tillvägagångssätt – eller helt enkelt välja den likaviktade varianten om inget annat fungerar bättre. Likaviktade portföljer tenderar att överträffa marknaden när de största bolagen går dåligt. Det beror på att även mycket små bolag får samma vikt som exempelvis Apple eller Amazon.
För att göra det enklare att visualisera de kumulativa avkastningarna har vi definierat funktionen cumulative_returns_plot() i din workspace.
Den här övningen är en del av kursen
Introduktion till portföljriskhantering i Python
Övningsinstruktioner
- Sätt
numstockstill9, vilket är antalet aktier i din portfölj. - Använd
np.repeat()för att sättaportfolio_weights_ewtill en array med lika vikter för var och en av de 9 aktierna. - Använd
.iloc-accessorn för att välja alla rader och de första 9 kolumnerna när du beräknar portföljens avkastning. - Granska slutligen diagrammet över kumulativa avkastningar över tid.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# How many stocks are in your portfolio?
numstocks = ____
# Create an array of equal weights across all assets
portfolio_weights_ew = ____
# Calculate the equally-weighted portfolio returns
StockReturns['Portfolio_EW'] = StockReturns.iloc[____, ____].mul(portfolio_weights_ew, axis=1).sum(axis=1)
cumulative_returns_plot(['Portfolio', 'Portfolio_EW'])