【Python】2資産ポートフォリオのリスクリターンマップを作る
TwitterでSPXLとTMFを組み合わせたポートフォリオのリスクリターンマップを紹介しました。
ここに、そのグラフを作るためのコードを保存しておきます。
あらかじめ以下のサイトからTMF,SPXL,VTIのcsvファイルを取得しておきます(期間はMAX)。
(本当は、取得するcodeをかければ良いのですが・・・)
TMF: https://www.nasdaq.com/market-activity/funds-and-etfs/tmf/historical
SPXL: https://www.nasdaq.com/market-activity/funds-and-etfs/spxl/historical
VTI: https://www.nasdaq.com/market-activity/funds-and-etfs/vti/historical
それぞれ、"TMF.csv", "SPXL.csv", "VTI.csv"というファイル名で保存しておきます。
1. ライブラリの読み込み。
#Invite frends to the party...
import numpy as np
import pandas as pd
from datetime import datetime
import seaborn as sns
sns.set()
import matplotlib.pyplot as plt
from pandas.plotting import register_matplotlib_converters
register_matplotlib_converters()
2. csvファイルを1つのDataFrameにまとめる関数
def make_df(etfs):
df = pd.DataFrame()
for etf in etfs:
csvfile = etf +'.csv'
csv_data = pd.read_csv(csvfile)
csv_data.Date = pd.to_datetime(csv_data.Date)
csv_data = csv_data.set_index('Date')
csv_data= csv_data.rename(columns={' Close/Last': etf})
df[etf] = csv_data[etf]
df = df.sort_index().dropna()
return df
3. 分散ポートフォリオ指数をDataFrameに追加する関数
def make_port_df(df):
#リターン算出
rtn = (df / df.shift(1) -1).fillna(0)
#各比率のポートフォリオデータを作成
for w in [9, 8, 7, 6, 5, 4, 3, 2, 1]:
rtn['SPXL'+str(w)+' : TMF'+str(10-w)] =rtn['SPXL']*(w/10) + rtn['TMF']*(1-w/10)
rtn += 1
df = rtn.cumprod()
return df
4. リスクリターンマップを作成する関数
def rr_map(df):
#月次リターン算出
dfm = df.resample('M').ffill()
m_rtn = (dfm / dfm.shift(1) -1).dropna()
#リスク算出
std = (m_rtn.std())*(12**0.5)
#年率リターン算出
cum = m_rtn+1
a_rtn = (cum.product())**(12/len(m_rtn))-1
#リスクリターンマップ作成
plt.figure(figsize=(6, 6))
for asset in list(a_rtn.index):
plt.scatter(x = std[asset], y = a_rtn[asset],label = asset)
plt.xlabel('Risk')
plt.ylabel('Return')
plt.xlim(0,std.max()*1.1)
plt.ylim(0,a_rtn.max()*1.1)
plt.legend(loc = 'best')
plt.title('Risk Return Map')
plt.savefig('rr_map.png',bbox_inches="tight")
4. 上記関数を実行する
etfs = ['SPXL','TMF','VTI']
df = make_df(etfs)
df = make_port_df(df)
rr_map(df)
#Invite frends to the party...
import numpy as np
import pandas as pd
from datetime import datetime
import seaborn as sns
sns.set()
import matplotlib.pyplot as plt
from pandas.plotting import register_matplotlib_converters
register_matplotlib_converters()
def make_df(etfs):
df = pd.DataFrame()
for etf in etfs:
csvfile = etf +'.csv'
csv_data = pd.read_csv(csvfile)
csv_data.Date = pd.to_datetime(csv_data.Date)
csv_data = csv_data.set_index('Date')
csv_data= csv_data.rename(columns={' Close/Last': etf})
df[etf] = csv_data[etf]
df = df.sort_index().dropna()
return df
3. 分散ポートフォリオ指数をDataFrameに追加する関数
def make_port_df(df):
#リターン算出
rtn = (df / df.shift(1) -1).fillna(0)
#各比率のポートフォリオデータを作成
for w in [9, 8, 7, 6, 5, 4, 3, 2, 1]:
rtn['SPXL'+str(w)+' : TMF'+str(10-w)] =rtn['SPXL']*(w/10) + rtn['TMF']*(1-w/10)
rtn += 1
df = rtn.cumprod()
return df
4. リスクリターンマップを作成する関数
def rr_map(df):
#月次リターン算出
dfm = df.resample('M').ffill()
m_rtn = (dfm / dfm.shift(1) -1).dropna()
#リスク算出
std = (m_rtn.std())*(12**0.5)
#年率リターン算出
cum = m_rtn+1
a_rtn = (cum.product())**(12/len(m_rtn))-1
#リスクリターンマップ作成
plt.figure(figsize=(6, 6))
for asset in list(a_rtn.index):
plt.scatter(x = std[asset], y = a_rtn[asset],label = asset)
plt.xlabel('Risk')
plt.ylabel('Return')
plt.xlim(0,std.max()*1.1)
plt.ylim(0,a_rtn.max()*1.1)
plt.legend(loc = 'best')
plt.title('Risk Return Map')
plt.savefig('rr_map.png',bbox_inches="tight")
4. 上記関数を実行する
etfs = ['SPXL','TMF','VTI']
df = make_df(etfs)
df = make_port_df(df)
rr_map(df)
def make_port_df(df):
#リターン算出
rtn = (df / df.shift(1) -1).fillna(0)
#各比率のポートフォリオデータを作成
for w in [9, 8, 7, 6, 5, 4, 3, 2, 1]:
rtn['SPXL'+str(w)+' : TMF'+str(10-w)] =rtn['SPXL']*(w/10) + rtn['TMF']*(1-w/10)
rtn += 1
df = rtn.cumprod()
return df
def rr_map(df):
#月次リターン算出
dfm = df.resample('M').ffill()
m_rtn = (dfm / dfm.shift(1) -1).dropna()
#リスク算出
std = (m_rtn.std())*(12**0.5)
#年率リターン算出
cum = m_rtn+1
a_rtn = (cum.product())**(12/len(m_rtn))-1
#リスクリターンマップ作成
plt.figure(figsize=(6, 6))
for asset in list(a_rtn.index):
plt.scatter(x = std[asset], y = a_rtn[asset],label = asset)
plt.xlabel('Risk')
plt.ylabel('Return')
plt.xlim(0,std.max()*1.1)
plt.ylim(0,a_rtn.max()*1.1)
plt.legend(loc = 'best')
plt.title('Risk Return Map')
plt.savefig('rr_map.png',bbox_inches="tight")
4. 上記関数を実行する
etfs = ['SPXL','TMF','VTI']
df = make_df(etfs)
df = make_port_df(df)
rr_map(df)
etfs = ['SPXL','TMF','VTI']
df = make_df(etfs)
df = make_port_df(df)
rr_map(df)
5. まとめ
SPXLとTMFをだいたい半分ずつ持つことで、リスクリターン特性がVTIより優れたポートフォリオになりそうです(投資は自己責任でおねがいします)。
6.次の課題
-
複数資産の分散ポートフォリオ
Author And Source
この問題について(【Python】2資産ポートフォリオのリスクリターンマップを作る), 我々は、より多くの情報をここで見つけました https://qiita.com/hiroshi_ichihara/items/47fdf11a355b0a72438d著者帰属:元の著者の情報は、元のURLに含まれています。著作権は原作者に属する。
Content is automatically searched and collected through network algorithms . If there is a violation . Please contact us . We will adjust (correct author information ,or delete content ) as soon as possible .