การจำลองพอร์ตโฟลิโอ - ส่วนที่ 3

ก่อนหน้านี้เราได้รันการจำลองแบบสมบูรณ์เพื่อดูการกระจายของผลตอบแทนในช่วง 10 ปี ตอนนี้เราจะนำการจำลองมาใช้ในการตัดสินใจจริง

กลับมาที่พอร์ตโฟลิโอที่เน้นหุ้น โดยมีผลตอบแทนที่คาดหวัง 7% และความผันผวน 30% คุณมีตัวเลือกในการปรับสมดุลพอร์ตด้วยพันธบัตร ซึ่งจะทำให้ผลตอบแทนที่คาดหวังอยู่ที่ 4% และความผันผวน 10% โดยมีเงินต้น $10,000 เป้าหมายคือเลือกกลยุทธ์โดยพิจารณาจากมูลค่าพอร์ตที่คาดว่าจะได้รับใน 10 ปี ด้วยความน่าจะเป็น 75% (เปอร์เซ็นไทล์ที่ 25)

เมื่อทำแบบฝึกหัดนี้เสร็จ คุณจะสามารถนำการจำลองพอร์ตโฟลิโอมาใช้ประกอบการตัดสินใจลงทุนได้

ฟังก์ชัน portfolio_return() ถูกโหลดไว้ในสภาพแวดล้อมแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจำลองทางสถิติด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

กำหนดค่า avg_return และ volatility เป็น 0.07 และ 0.3 ตามลำดับ สำหรับพอร์ตหุ้น
กำหนดค่า avg_return และ volatility เป็น 0.04 และ 0.1 ตามลำดับ สำหรับพอร์ตพันธบัตร
คำนวณเปอร์เซ็นไทล์ที่ 25 ของการกระจายผลตอบแทนสำหรับพอร์ตหุ้น rets_stock_perc และพอร์ตพันธบัตร rets_bond_perc
คำนวณและแสดงผลว่าหากเลือกถือหุ้นต่อแทนที่จะเปลี่ยนไปลงพันธบัตร จะได้รับหรือสูญเสียผลตอบแทนเพิ่มเติม additional_returns เป็นจำนวนเท่าใด

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

for i in range(sims):
    rets_stock.append(portfolio_return(yrs = 10, avg_return = ____, volatility = ____, principal = 10000))
    rets_bond.append(portfolio_return(yrs = 10, avg_return = ____, volatility = ____, principal = 10000))

# Calculate the 25th percentile of the distributions and the amount you'd lose or gain
rets_stock_perc = ____
rets_bond_perc = ____
additional_returns = ____
print("Sticking to stocks gets you an additional return of {}".format(additional_returns))

แก้ไขและรันโค้ด