Ga naar hoofdinhoud

Cursus

Introductie tot portefeuilleanalyse in R

BasisVaardigheidsniveau

Bijgewerkt 11-2023

Gebruik je financiële en R-vaardigheden om financiële portefeuilles te backtesten, analyseren en optimaliseren.

Start Cursus Kosteloos

RApplied Finance5 u14 videos57 Opdrachten4,400 XP35,211Prestatieverklaring

Maak je gratis account aan

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Geliefd bij leerlingen van duizenden bedrijven

Wil je 2 of meer mensen trainen?

Probeer DataCamp for Business

Cursusbeschrijving

Een gouden regel bij beleggen is om je portefeuillestrategie altijd te testen op historische data en, zodra je de strategie gebruikt, de prestaties voortdurend te monitoren. In deze cursus leer je dit door portefeuillerendementen kritisch te analyseren met het pakket PerformanceAnalytics. De cursus laat ook zien hoe je de portefeuillegewichten schat die risico en rendement optimaal in balans brengen. Dit is een datagedreven cursus die portefeuilletheorie combineert met praktijk in R, geïllustreerd met praktijkvoorbeelden van aandelenportefeuilles en assetallocatieproblemen. Als je na deze cursus verder met de data aan de slag wilt, kun je de data uit de eerste drie hoofdstukken ophalen met het tseries-pakket.

Vereisten

Intermediate R for Finance

1

The Building Blocks

Asset returns and portfolio weights; those are the building blocks of a portfolio return. This chapter is about computing those portfolio weights and returns in R.

Welcome to the course

Getting a grasp of the basics

Get a feel for the data

The portfolio weights

Calculating portfolio weights when component values are given

The weights of an equally weighted portfolio

The weights of a market capitalization-weighted portfolio

The portfolio return

Calculation of portfolio returns

From simple to gross and multi-period returns

The asymmetric impact of gains and losses

PerformanceAnalytics

Buy-and-hold versus (daily) rebalancing

The time series of asset returns

The time series of portfolio returns

The time series of weights

Hoofdstuk Beginnen

2

Analyzing Performance

The history of portfolio returns reveals valuable information about how much the investor can expect to gain or lose. This chapter introduces the R functionality to analyze the investment performance based on a statistical analysis of the portfolio returns. It includes graphical analysis and the calculation of performance statistics expressing average return, risk, and risk-adjusted return over rolling estimation samples.

Dimensions of portfolio performance

Exploring the monthly S&P 500 returns

The monthly mean and volatility

The (annualized) Sharpe ratio

Excess returns and the portfolio's Sharpe ratio

Annualized mean and volatility

Time-variation in portfolio performance

Effect of window length choice

Rolling annualized mean and volatility

Subperiod performance analysis and the function window

Non-normality of the return distribution

Balancing risk and reward

Detecting non-normality using skewness and kurtosis

Downside risk measures

Drawdowns due to buying high, selling low

Hoofdstuk Beginnen

3

Performance Drivers

In addition to studying portfolio performance based on the observed portfolio return series, it is relevant to determine how individual (expected) returns, volatilities, and correlations interact to determine the total portfolio performance.

Drivers in the case of two assets

Driver 1: The assets' individual performance

Driver 2: The choice of portfolio weights

Driver 3: The correlation between the asset returns

Interpreting correlation

Using matrix notation

Making a risk-reward scatter diagram

The covariance matrix

Matrix-based calculation of portfolio mean and variance

Portfolio risk budget

Who did it?

Hoofdstuk Beginnen

4

Optimizing the Portfolio

We have up to now considered the portfolio weights as given. In this chapter, you learn how to determine in R the portfolio weights that are optimal in terms of achieving a target return with minimum variance, while satisfying constraints on the portfolio weights.

Modern portfolio theory of Harry Markowitz

Mean-variance based investing in DJIA stocks

Exploring monthly returns of the 30 DJIA stocks

Finding the mean-variance efficient portfolio

Effect of the return target

Imposing weight constraints

The efficient frontier

Computing the efficient frontier using a grid of target returns

Interpreting the efficient frontier

Properties of the efficient frontier

The minimum variance and maximum Sharpe ratio portfolio

In-sample vs. out-of-sample evaluation

Split-sample evaluation

Out of sample performance evaluation

It ain't over

Hoofdstuk Beginnen

Introductie tot portefeuilleanalyse in R

Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf Je Nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Introductie tot portefeuilleanalyse in R!

Maak je gratis account aan

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.