조건부 기대수익률을 고려한 파이썬 포트폴리오 최적화
파이썬을 사용하여 포트폴리오 최적화를 수행할 때, 조건부 기대수익률을 고려하는 것은 매우 중요한 요소입니다. 조건부 기대수익률은 특정한 조건이 충족되었을 때의 예상 수익을 의미합니다. 이러한 기대수익률을 고려하여 포트폴리오를 최적화하면 투자 전략을 향상시키는 데 도움이 됩니다.
여기에는 파이썬을 사용하여 조건부 기대수익률을 고려한 포트폴리오 최적화를 수행하는 간단한 예제 코드가 있습니다:
import numpy as np
from scipy.optimize import minimize
def objective(weights, returns, cvar, target_return):
portfolio_return = np.dot(returns, weights)
portfolio_cvar = np.dot(cvar, weights)
return portfolio_cvar - target_return * portfolio_return
def optimize_portfolio(returns, cvar, target_return):
num_assets = len(returns)
initial_weights = np.ones(num_assets) / num_assets
bounds = [(0,1) for _ in range(num_assets)]
constraints = ({'type': 'eq', 'fun': lambda weights: np.sum(weights) - 1})
result = minimize(objective, initial_weights, args=(returns, cvar, target_return), method='SLSQP',
bounds=bounds, constraints=constraints)
return result.x
returns = np.array([0.1, 0.05, 0.08, 0.07])
cvar = np.array([[0.01, 0.005, 0.002, 0.003],
[0.005, 0.02, 0.001, 0.004],
[0.002, 0.001, 0.015, 0.006],
[0.003, 0.004, 0.006, 0.025]])
target_return = 0.06
optimal_weights = optimize_portfolio(returns, cvar, target_return)
print("Optimal weights:", optimal_weights)
이 예제 코드에서는 주어진 수익률과 헤리스크의 행렬을 사용하여 최적화해야 할 포트폴리오에 대한 조건부 기대수익률을 계산합니다. 그런 다음 목표 수익률에 해당하는 조건부 기대수익률을 설정하고 scipy.optimize.minimize 함수를 사용하여 최적화합니다. 최적화된 포트폴리오의 비중을 출력합니다.
이 예제 코드를 실행하면 조건부 기대수익률을 고려한 포트폴리오의 최적 비중을 얻을 수 있습니다.
이와 같은 방식으로 파이썬을 사용하여 조건부 기대수익률을 고려한 포트폴리오 최적화를 수행할 수 있습니다. 이는 투자 전략을 개선하고 수익을 극대화하는 데 도움이됩니다.
더 많은 정보를 원하시면 ‘포트폴리오 최적화’ 및 ‘조건부 기대수익률’에 대해 참조할 수 있습니다.
참고 자료:
#투자 #파이썬