Application of Python in Portfolio Optimization

Abstract

Portfolio optimization is the approach to select the optimal portfolio that provides the most profitable rate of return for each unit of risk taken by an investor. An investment portfolio is the distribution of an investor's assets, alternatively, it is the selection pool of an investor's investments. The objective of this thesis is to validate and compare the out-of-sample performance of the following strategies: navie Strategy, minimum variance and maximum Sharpe ratio. Therefore, we chose thirty stocks that listed on the NASDAQ Composite Index during the past ten years. This thesis is divided into five chapters. The first chapter expounds on the content and structure of the thesis. The second chapter introduces Python. In Chapter 3 we describe the methodology for portfolio optimization. In the fourth chapter, we use Python to compute the naive Strategy, minimum variance and maximu Sharpe ratio portfolios. The last chapter is the conclusion.

Optimalizace portfolia je přístup k výběru optimálního portfolia, který hledá nejvyšší míru výnosu za každou jednotku rizika, kterou investor podstupuje. Investiční portfolio je rozložení prostředků investora do aktiv, resp. je to soubor investic investora. Cílem této diplomové práce je ověřit a porovnat out-of-sample výkonnost následujících strategií: naivní strategie, strategie minimálního rozptylu a maximálního Sharpeho poměru. V aplikační části diplomové práce bylo vybráno třicet akcií, které byly v posledních deseti letech součástí indexu NASDAQ Composite. Tato diplomová práce je rozdělena do pěti kapitol. První kapitola objasňuje obsah a strukturu práce. Druhá kapitola popisuje jazyk Python. Ve třetí kapitole je popsána metodika optimalizace portfolia. Ve čtvrté kapitole je použit Python k sestavení a ověření výkonnosti strategií, konkrétně naivní strategie, strategie minimálního rozptylu a maximálního Sharpeho poměru. Poslední kapitolou je závěr.