投资组合分析:Portfolio_Analysis——MultiPeriod_Univariate和MultiPeriod_Bivariate

本文介绍了如何使用Python进行多期投资组合分析,包括MultiPeriod_Univariate和MultiPeriod_Bivariate模型。这些模型用于计算投资组合在一段时间后的表现,类似于Univariate和Bivariate类。新增的输入参数ret_matrix包含t+1到t+n的收益率时间序列。通过调用fit和summary方法,可以分析和展示投资组合的多期表现。
摘要由CSDN通过智能技术生成

实证资产定价(Empirical asset pricing)已经发布于Github和Pypi. 包的具体用法(Documentation)博主将会陆续在CSDN中详细介绍,也可以通过Pypi直接查看。

Pypi: pip install --upgrade EAP

Github: GitHub - whyecofiliter/EAP: empirical asset pricing

尽管最常见的投资组合分析是分析下一周、月、季度、年的收益率,另一个常见的分析内容是分析持有投资组合一段时间之后的表现,本文添加的内容正是计算这一多期表现。它们的用法类似于Univariate和Bivariate类,具体如下,我们以价值投资组合为例

%% import package
from linearmodels import test
from numpy import dtype
import pandas as pd
import sys, os

sys.path.append(os.path.abspath(".."))

# %% import data
# Monthly return of stocks in China security market
month_return = pd.read_hdf('.\data\month_return.h5', key='month_return')
company_data = pd.read_hdf('
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
投资组合分析portfolio analysis)是指对投资组合中的各项资产进行综合性评估和分析的一种方法。投资组合分析的目的是帮助投资者优化资产配置,降低风险,提高收益。 投资组合分析的基本原理是通过投资组合中不同资产之间的相关性和风险特征,来评估投资组合的整体表现。常用的投资组合分析方法有两个主要的方面:资产的选择和资产的组合。 在资产的选择方面,投资者通常需要评估和选择多种不同类型的资产,如股票、债券、房地产等。投资者可以通过对这些不同类型资产的历史数据、基本面和市场前景等进行研究分析,来选择具有潜力的资产。 在资产的组合方面,投资者需要考虑不同资产之间的相关性和风险特征。相关性可以帮助投资者理解各资产之间的关联程度,进而选择能够实现多样化投资的资产组合。同时,评估组合的风险特征也是投资组合分析的重要一环。通过对投资组合的风险进行度量和分析,投资者能够更好地控制风险,使投资组合的整体表现更加稳定。 投资组合分析的最终目标是找到一个风险与收益之间最佳的平衡点。通过对投资组合分析,投资者可以确定出适合自身投资目标和风险承受能力的资产配置策略,以实现预期的投资回报。 总而言之,投资组合分析是一种综合性的评估方法,通过对不同类型资产的选择和资产组合的构建,帮助投资者优化资产配置,降低风险,提高收益。这是投资者进行有效投资决策的重要工具。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值