Objetivo

Determinar la asignación óptima de activos en un portafolio de inversión utilizando Python, con base en la teoría de portafolio moderno y simulaciones de Monte Carlo para maximizar el rendimiento ajustado por riesgo.

Descripción

Este tema aborda cómo los inversionistas pueden optimizar la asignación de activos en sus portafolios de inversión utilizando herramientas de Python como yfinance y scipy.optimize. A través de ejemplos prácticos, se aprenderá a calcular los rendimientos esperados, la volatilidad, y el Sharpe ratio para diferentes combinaciones de activos, aplicando tanto la teoría de portafolio moderno como simulaciones de Monte Carlo. Se explorará cómo la diversificación puede mitigar riesgos y maximizar retornos, proporcionando una base sólida para la toma de decisiones de inversión informadas.

Haz clic para revisar la explicación.

Asignación de activos en Python

El siguiente enlace es externo a la Universidad Tecmilenio, al acceder a este considera que debes apegarte a sus términos y condiciones.

Revisa la siguiente lectura:

Para conocer más sobre asignación de activos en Phyton, revisa la siguiente lectura:

• investopedia.com. (2023). Modern Portfolio Theory: What MPT Is and How Investors Use It. Recuperado de https://www.investopedia.com/terms/m/modernportfoliotheory.asp

Objetivo

Analizar el rendimiento y riesgo de un portafolio de acciones usando Python, aplicando métodos de visualización, análisis estadístico y pronóstico.

Instrucciones

1. Abre tu entorno de desarrollo de Python e importa las librerías necesarias (Pandas, Numpy, Matplotlib, yfinance).
2. Utiliza yfinance para descargar los datos históricos de precios de cinco acciones de tu elección, en un período de 36 meses hasta la fecha actual.
3. Calcula los rendimientos diarios de las acciones y crea un DataFrame que los contenga.
4. Genera gráficos de líneas de los precios de cierre de las acciones para visualizar su comportamiento a lo largo del tiempo.
5. Asigna pesos iguales a cada acción y calcula el rendimiento y la volatilidad del portafolio.
6. Realiza una simulación de Monte Carlo para optimizar la asignación de activos en el portafolio y encuentra la frontera eficiente.
7. Crea gráficos que muestren la distribución de retornos y la frontera eficiente del portafolio.
8. Analiza los resultados obtenidos y determina cuál sería la mejor combinación de acciones según el criterio de máximo Sharpe ratio.  

Checklist

• Se importa las librerías necesarias para realizar la actividad.
• Se obtiene los datos históricos de las acciones seleccionadas.
• Se calcula correctamente los rendimientos diarios de cada acción.
• Se crea gráficos para visualizar el comportamiento de los precios de las acciones.
• Se construye un portafolio asignando pesos iguales a cada acción.
• Se realiza una simulación de Montecarlo para optimizar la asignación de activos.
• Se crea y analiza gráficos que muestren la frontera eficiente y la distribución de retornos del portafolio.
• Se interpreta adecuadamente los resultados de la simulación y el análisis del portafolio.