عضویت در خبرنامه

به منظور دریافت آخرین بروزرسانی ها و محصولات، ایمیل خود را وارد بفرمایید.

اخبار داغ
محصولات

پست وبلاگ

حراج - 51%

اسکریپت پایتون (مدیریت پرتفوی استراتژی سرمایه گذاری)

امتیاز 0.00 از 5 بر اساس 0 دیدگاه کاربر
0 دیدگاه کاربر

390,000 تومان 190,000 تومان

  • فایل: ipynb
  • حجم: 6.8 MB
  • زبان: برنامه نویسی پایتون 3
  • نرم افزار مورد نیاز: انواع ادیتورهای پایتون
  • کامپایلر مورد نیاز: Python 3 – JupyterNotebook

مناسب برای دانشجویان رشته برنامه نویسی، مهندسی و مدیریت مالی و مشاوران مالی

دسته بندی

توضیحات

این محصول روش Kelly را به منظور استراتژی تجزیه و تحلیل مورد استفاده قرار داده است و ترکیبات مختلفی را برنامه نویسی کرده که به ما سرمایه گذار کمک می کند بازده را به حداکثر برساند و نتایج را با سبد های ساده تر از وزنه های توزیع شده مشابه مقایسه می کند.

برخی از خروجی های اسکریپت را می توانید در گالری محصول مشاهده کنید.

سبد کارا

“پورتفولیوی کارا به عنوان پرتفوی با حداقل ریسک برای بازده معین یا به طور معادل به عنوان پرتفوی با بیشترین بازده برای سطح معین ریسک تعریف می شود.”

براساس معامله گری الگوریتمی، پرتفوی این محصول از استراتژی ها یا قوانینی تشکیل شده است و هر یک از اینها یک یا چند ابزار مالی را مدیریت می کنند.

 

به منظور کسب راهنمایی بیشتر با مدیریت سبد سرمایه گذاری، این مقاله را مطالعه کنید.

عملکرد سبد

معامله گران الگوریتمی تعداد زیادی از اقدامات را برای تجزیه و تحلیل استراتژی و / یا عملکرد سبد در اختیار دارند.

برخی از پرکاربردترین معیارهای عملکرد سبد عبارتند از:

  • بازده سالانه
  • نوسان سالانه
  • نسبت شارپ
  • نسبت مرتب سازی
  • بتا
  • نسبت Treynor
  • نسبت اطلاعات
  • چولگی
  • حداکثر کشش
  • تعداد معاملات
  • نسبت سود
  • دوره برگزاری

علاوه بر این اقدامات، کتابخانه pyfolio پایتون یک فهرست خارق العاده از عملکردها و گرافیک ها را اجرا می کند که مطمئناً ارزش استفاده از آنها را دارد. برخی از گزارش های عملکرد آنها را در این محصول گنجانده شده است.

نمونه کد محصول

import pandas as pd
import numpy as np
import datetime
import math
from tabulate import tabulate
import matplotlib.pyplot as plt
import seaborn as sns
import cvxopt as opt
from cvxopt import blas, solvers
import cvxpy as cp
import pyfolio as pf

شبیه سازی استرتژی 1
StrategyA1_SR05_SKW1_returns = pd.read_csv('StrategyA1_SR0.5_SKW1.csv', header=None, parse_dates=True, index_col=0)
StrategyA1_SR05_SKW1_returns.columns=['Return']

#print(Strategy_A_Instrument_1_returns.head())
StrategyA1_SR05_SKW1_returns.plot(title = 'Daily return - Strategy A Instrument 1', figsize=(12, 6))

cum_datalist=[1+x for x in StrategyA1_SR05_SKW1_returns['Return']] 
cum_datalist=pd.DataFrame(cum_datalist, index=StrategyA1_SR05_SKW1_returns.index)
cum_datalist.cumprod().plot(title = 'Cummulative Daily return - Strategy A Instrument 1', figsize=(12, 6))

شبیه سازی استرتژی 2
StrategyB1_SR05_SKWn1_returns = pd.read_csv('StrategyB1_SR0.5_SKW-1.csv', header=None, parse_dates=True, index_col=0)
StrategyB1_SR05_SKWn1_returns.columns=['Return']

#print(Strategy_A_Instrument_1_returns.head())
StrategyB1_SR05_SKWn1_returns.plot(title = 'Daily return - Strategy B Instrument 1', figsize=(12, 6))

cum_datalist=[1+x for x in StrategyB1_SR05_SKWn1_returns['Return']]
cum_datalist=pd.DataFrame(cum_datalist, index=StrategyB1_SR05_SKWn1_returns.index)
cum_datalist.cumprod().plot(title = 'Cummulative Daily return - Strategy B Instrument 1', figsize=(12, 6))

توضیحات تکمیلی

عنوان اصلی

Portfolio Management Of Multiple Strategies

فرمت

ipynb

فایل

ژوپیتر
Jupyter NoteBook

کامپایلر مورد نیاز

Python 3

حجم

6.8 MB

نمونه داده

دارد