这篇文章主要讲解了“python金融风险管理回报率实例分析”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“python金融风险管理回报率实例分析”吧!
波动率
在金融工程中,要把问题放到风险
和收益
两个坐标轴组成的坐标系中进行考虑。
波动率
作为衡量金融资产价格波动程度的一个指标,反映出了资产收益的不确定性以及风险水平。
回报率
回报率较为宽泛,比如财报中常见的投资回报率
(Retrun On Investment ROI)就是其中一种,而投资回报率顾名思义就是投资的增量,也就是净回报
(net return):
$$Return = \frac{Value_f - Value_i}{Value_i}$$
$Return$ 为投资回报率, $Value_f$ 为期末资产额,$Value_i$ 为期初投资额
只考虑工作日情形,$t$ 时刻股价为 $S_t$, $t-i$ 时刻股价为 $S_{t-i}$,当已知$t$时刻与$t-1$时刻股价,就可以计算出损益
(Profit and Loss, PnL, P&L):
$$PnL_t = S_t - S_{t-1}$$
显然,当 $PnL_t > 0$,投资者会在 $t$ 时刻买入,$t-i$ 时刻卖出
$$r_t = ln \frac{S_t}{S_{t-1}} = lnS_t-lnS_{t-1}$$
对数回报率实质上是连续回报率,它在数学建模中更为常见,因为更加稳定
import numpy as np
import pandas_datareader
# 获取亚马逊2021年12月21日至2021年12月28日的股票价格数据
ticker = 'AMZN'
stock = pandas_datareader.data.DataReader(ticker, data_source="yahoo", start="12-21-2021", end="12-28-2021")["Adj Close"]
print(stock)
# 计算ROI
returns_daily = (stock / stock.shift(1)) - 1
print(returns_daily)
# 计算日简单回报率
returns_daily = stock.pct_change()
print(returns_daily)
# 计算对数回报率
log_return_daily = np.log(stock / stock.shift(1))
print(log_return_daily)
为了计算投资总回报
,经常要使用到累计回报率
(cumulative return) ,python中可以利用cumprod
函数实现
可以看到,2020年收到新冠疫情影响,股价受挫严重
import pandas_datareader
import matplotlib.pyplot as plt
# sp500 price
sp500 = pandas_datareader.data.DataReader(['sp500'], data_source='fred', start='09-11-2012', end='09-11-2022')
# plot sp500 price
plt.plot(sp500['sp500'], color='dodgerblue')
plt.title('S&P 500 price')
plt.xlabel('Date')
plt.ylabel('Price')
plt.gca().spines['right'].set_visible(False)
plt.gca().spines['top'].set_visible(False)
plt.gca().yaxis.set_ticks_position('left')
plt.gca().xaxis.set_ticks_position('bottom')
感谢各位的阅读,以上就是“python金融风险管理回报率实例分析”的内容了,经过本文的学习后,相信大家对python金融风险管理回报率实例分析这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是天达云,小编将为大家推送更多相关知识点的文章,欢迎关注!