Fronteira Eficiente em Python

! pip install yfinance

import pandas as pd

from pandas_datareader import data as pdr

import yfinance as yfin

import matplotlib.pyplot as plt

yfin.pdr_override()

 

# Carteira

assets = ['WMT', 'FB']

carteira = pdr.DataReader(assets, data_source='yahoo', start='2014-01-01')['Adj Close'] 

import numpy as np

# Rentabilidade da carteira Logaritimizada

rentabilidade=np.log(carteira/carteira.shift(1))

# Média anual

rentabilidade.mean()*250

# Covâriacia anual

rentabilidade.cov()*250

# Corr anual

rentabilidade.corr()

# Matriz da correlação

import seaborn as sn

a=rentabilidade.corr()

sn.heatmap(a, annot=True)

plt.show()

# Número de activos

num_activos = len(assets)

num_activos

pesos = np.random.random(num_activos)

pesos /=np.sum(pesos)

pesos

#Rentabilidade esperada da carteira

np.sum(pesos*carteira.mean())*250

#Volatilidade da carteira esperada

np.dot(pesos.T,np.dot(rentabilidade.cov()*250,pesos))

#Volatilidade da carteira esperada

np.sqrt(np.dot(pesos.T,np.dot(rentabilidade.cov()*250,pesos)))

 

carteira_rentabilidade1 = []

carteir_volatilidade2 = []

for x in range (1000):

    pesos = np.random.random(num_activos)

    pesos /= np.sum(pesos)

    carteira_rentabilidade1.append(np.sum(pesos * rentabilidade.mean()) * 250)

    carteir_volatilidade2.append(np.sqrt(np.dot(pesos.T,np.dot(rentabilidade.cov() * 250, pesos))))

    

carteira_rentabilidade1 = np.array(carteira_rentabilidade1)

carteir_volatilidade2 = np.array(carteir_volatilidade2)

carteira_rentabilidade1, carteir_volatilidade2

 

carteiras1 = pd.DataFrame({'Rentabilidade': carteira_rentabilidade1, 'Volatilidade': carteir_volatilidade2})

carteiras1.head()

carteiras1.tail()

# Gráfico da Fronteira Eficiente em Python

carteiras1.plot(x='Volatilidade', y='Rentabilidade', kind='scatter', figsize=(10, 6));

plt.xlabel('Volatilidae Esperada')

plt.ylabel('Rentabilidade Esperada')