python金融風(fēng)險(xiǎn)管理回報(bào)率實(shí)例分析

這篇文章主要講解了“python金融風(fēng)險(xiǎn)管理回報(bào)率實(shí)例分析”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來(lái)研究和學(xué)習(xí)“python金融風(fēng)險(xiǎn)管理回報(bào)率實(shí)例分析”吧！

波動(dòng)率

在金融工程中，要把問(wèn)題放到風(fēng)險(xiǎn)和收益兩個(gè)坐標(biāo)軸組成的坐標(biāo)系中進(jìn)行考慮。

波動(dòng)率作為衡量金融資產(chǎn)價(jià)格波動(dòng)程度的一個(gè)指標(biāo)，反映出了資產(chǎn)收益的不確定性以及風(fēng)險(xiǎn)水平。

回報(bào)率

• 投資回報(bào)率

回報(bào)率較為寬泛，比如財(cái)報(bào)中常見(jiàn)的投資回報(bào)率(Retrun On Investment ROI)就是其中一種，而投資回報(bào)率顧名思義就是投資的增量，也就是凈回報(bào)(net return)： $$Return =  \frac{Value_f - Value_i}{Value_i}$$

$Return$ 為投資回報(bào)率， $Value_f$ 為期末資產(chǎn)額，$Value_i$ 為期初投資額

• 損益

只考慮工作日情形，$t$ 時(shí)刻股價(jià)為 $S_t$， $t-i$ 時(shí)刻股價(jià)為 $S_{t-i}$，當(dāng)已知$t$時(shí)刻與$t-1$時(shí)刻股價(jià)，就可以計(jì)算出損益(Profit and Loss, PnL, P&L): $$PnL_t = S_t - S_{t-1}$$ 顯然，當(dāng) $PnL_t > 0$，投資者會(huì)在 $t$ 時(shí)刻買入，$t-i$ 時(shí)刻賣出

• 簡(jiǎn)單回報(bào)率 在不考慮分紅的情況下

• 單日簡(jiǎn)單回報(bào)率有： $$r_t =  \frac{S_t - S_{t-1}}{S_{t-1}}$$

• 多日簡(jiǎn)單回報(bào)率有： $$r_t =  \frac{S_t - S_{t-k}}{S_{t-k}}$$ $k$ 為5時(shí)表示周簡(jiǎn)單回報(bào)率，$k$ 為10 時(shí)為雙周簡(jiǎn)單回報(bào)率， $k$ 為20時(shí)表示月簡(jiǎn)單回報(bào)率

• 對(duì)數(shù)回報(bào)率

$$r_t = ln \frac{S_t}{S_{t-1}} = lnS_t-lnS_{t-1}$$ 對(duì)數(shù)回報(bào)率實(shí)質(zhì)上是連續(xù)回報(bào)率，它在數(shù)學(xué)建模中更為常見(jiàn)，因?yàn)楦臃€(wěn)定

• 實(shí)例

import numpy as np
import pandas_datareader

# 獲取亞馬遜2021年12月21日至2021年12月28日的股票價(jià)格數(shù)據(jù)
ticker = 'AMZN'
stock = pandas_datareader.data.DataReader(ticker, data_source="yahoo", start="12-21-2021", end="12-28-2021")["Adj Close"]
print(stock)

# 計(jì)算ROI
returns_daily = (stock / stock.shift(1)) - 1
print(returns_daily)

# 計(jì)算日簡(jiǎn)單回報(bào)率
returns_daily = stock.pct_change()
print(returns_daily)

# 計(jì)算對(duì)數(shù)回報(bào)率
log_return_daily = np.log(stock / stock.shift(1))
print(log_return_daily)

• 累計(jì)回報(bào)率

為了計(jì)算投資總回報(bào)，經(jīng)常要使用到累計(jì)回報(bào)率(cumulative return) ，python中可以利用cumprod函數(shù)實(shí)現(xiàn)

可以看到，2020年收到新冠疫情影響，股價(jià)受挫嚴(yán)重

• 源碼

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')

• 分紅收益率 當(dāng)考慮到分紅的時(shí)候，有股票回報(bào)率為： $$y_t = \frac{S_t-S_{t-1}+D_t}{S_{t-1}}$$ 其中 D 為分紅收益率，而在回報(bào)率已知，可以計(jì)算出投資損益為： $$Q_t = A_t\frac{S_t-S_{t-1}}{S_{t-1}}$$

感謝各位的閱讀，以上就是“python金融風(fēng)險(xiǎn)管理回報(bào)率實(shí)例分析”的內(nèi)容了，經(jīng)過(guò)本文的學(xué)習(xí)后，相信大家對(duì)python金融風(fēng)險(xiǎn)管理回報(bào)率實(shí)例分析這一問(wèn)題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！