资产收益率与风险

资产收益率与风险

pandas读取数据可以使用一列作为索引（时间）

data=pd.read_csv('',index_col='')
data.index=pd.to_datetime(data.index)
data.index.name='Date'

收益率计算

直接算

close # Date price

# 价格滞后一期
lagclose=close.shift(1)
# 一期收益率
simpleret=(close-lagclose)/lagclose
simpleret.name='simpleret'
# 两期收益率
simpleret2=(close-close.shift(2))/close.shift(2)
simpleret2.name='simpleret2'

# 合并
calret=pd.DataFrame({'close':close,'lagclose':lagclose})
calret=pd.merge(calclose,pd.DataFrame(simpleret))
calret['simpleret2']=pd.DataFrame(simpleret)

ffn库

import ffn
# 价格计算收益率
ffnsimpleret=ffn.to_returns(close)
ffnsimpleret.name='ffnsimpleret'

# 复利收益率
ffncomporet=ffn.te_log_returns(close)
ffncomporet.name='ffncomporet'

可以直接调用DataFrame的plot方法绘制图

simpleret.plot() # 收益率
((1+simpletret).cumprod()-1).plot() # 累计收益率

风险度量

方差

.var()
.std()

下行风险(Downside Deviation)

资产价格低于无风险收益率部分的发散程度

def cal_downside_deviation(returns,rf=None):
	if rf==None:
		rf=returns.mean()
	temp=returns[returns<rf]
	dev=(sum((rf-temp)**2)/len(returns))**0.5
	return dev

风险价值(Risk at Value)

在α%置信水平下，可能发生的最大损失。

历史模拟法（用历史数据分布计算）

returns.quantile(0.05)
returns.quantile(α%)

协方差矩阵法（用正态分布）

from scipy.stats import norm
norm.ppf(α%,returns.mean(),returns.std())

期望亏空(ES)

​ 收益率低于VaR的期望。

returns[returns<=returns.quantile(0.05)].mean()

最大回撤

maxdrawdown=ffn.calc_max_drowdown(returns)