Difference between revisions of "User:Hluv01"
| Line 1: | Line 1: | ||
| − | == Vývoj hodnoty investičních portfolií v čase == | + | == Simulace: Vývoj hodnoty investičních portfolií v čase == |
=== Popis problému === | === Popis problému === | ||
| − | Investoři řeší otázku, jak složit své portfolio z různých typů aktiv, aby dosáhli co nejlepšího zhodnocení při co nejnižším riziku. Výnosy aktiv jako akcie, dluhopisy nebo termínované vklady jsou proměnlivé a závisí na ekonomickém cyklu i dalších faktorech. Cílem této simulace je ukázat, jak se v čase chovají tři různá portfolia (konzervativní, vyvážené, dynamické), která mají různý podíl akcií (S&P 500), státních dluhopisů (US Government Bonds) a termínovaných vkladů (EURIBOR). Simulace | + | Investoři řeší otázku, jak složit své portfolio z různých typů aktiv, aby dosáhli co nejlepšího zhodnocení při co nejnižším riziku. Výnosy aktiv jako akcie, dluhopisy nebo termínované vklady jsou proměnlivé a závisí na ekonomickém cyklu i dalších faktorech. Cílem této simulace je ukázat, jak se v čase chovají tři různá portfolia (konzervativní, vyvážené, dynamické), která mají různý podíl akcií (S&P 500), státních dluhopisů (US Government Bonds) a termínovaných vkladů (EURIBOR). Simulace má přiblížit, jak se mění riziko a výnos v závislosti na délce investičního horizontu. |
=== Cíl simulace === | === Cíl simulace === | ||
| − | Cílem simulace je porovnat vývoj hodnoty tří typů portfolií v čase, zobrazit možná rozpětí výnosů a ověřit, zda se výnosy skutečně stabilizují s rostoucím časem. | + | Cílem simulace je porovnat vývoj hodnoty tří typů portfolií v čase, zobrazit možná rozpětí výnosů a ověřit, zda se výnosy skutečně stabilizují s rostoucím časem. Pomocí Monte Carlo simulace budu generovat výnosy jednotlivých tříd aktiv na základě historických dat, a tím vytvářet stovky scénářů vývoje. Tyto výstupy budou následně agregovány do tzv. tunelového grafu, který názorně ukáže, jak se s prodlužujícím horizontem snižuje rozptyl možných výsledků (čím delší doba, tím menší rozpětí výsledků a větší šance návratu k průměru). |
| + | |||
| + | Zároveň do simulace nově přidávám porovnání mezi jednotlivými portfolii napříč simulacemi – například jak často konzervativní portfolio překoná dynamické, a naopak. To bude vyjádřeno procentuálně a pomůže určit, které portfolio má vyšší pravděpodobnost lepšího výsledku. Tento rozměr umožní lépe interpretovat výkonnost strategií nejen z pohledu průměru, ale i z hlediska dominance v různých scénářích. | ||
=== Použití simulace === | === Použití simulace === | ||
| − | Výsledky simulace lze využít jako edukační nástroj pro individuální investory nebo finanční poradce. Simulace může posloužit i jako ilustrativní model pro vysvětlení diverzifikace, složeného úročení a vlivu volatility na dlouhodobé zhodnocení. | + | Výsledky simulace lze využít jako edukační nástroj pro individuální investory nebo finanční poradce. Simulace může posloužit i jako ilustrativní model pro vysvětlení diverzifikace, složeného úročení a vlivu volatility na dlouhodobé zhodnocení. Porovnání mezi strategiemi se hodí také pro rozhodování mezi bezpečnou a rizikovější investicí podle konkrétních preferencí klienta. |
=== Použitá metoda a prostředí === | === Použitá metoda a prostředí === | ||
| − | Monte Carlo simulace v prostředí Microsoft Excel . Roční výnosy budou generovány z normálního rozdělení na základě parametrů odvozených z historických dat | + | Monte Carlo simulace v prostředí Microsoft Excel (případně Python). Roční výnosy budou generovány z normálního rozdělení na základě parametrů odvozených z historických dat. Cílem není přesná predikce, ale realistická ilustrace možného vývoje na základě historických trendů. Výsledky budou vizualizovány pomocí tunelových grafů a tabulek dominance. |
| − | |||
=== Proměnné === | === Proměnné === | ||
| Line 18: | Line 19: | ||
portfolio_composition – rozložení mezi stocks / bonds / deposits | portfolio_composition – rozložení mezi stocks / bonds / deposits | ||
| − | |||
initial_investment – počáteční kapitál | initial_investment – počáteční kapitál | ||
| − | |||
investment_horizon – délka investice (v letech) | investment_horizon – délka investice (v letech) | ||
| − | + | avg_return_stock, avg_return_bond, avg_return_deposit – průměrné výnosy tříd aktiv | |
| − | + | volatility_stock, volatility_bond, volatility_deposit – směrodatná odchylka výnosů | |
| − | |||
| − | |||
====Náhodné proměnné:==== | ====Náhodné proměnné:==== | ||
annual_return_stock | annual_return_stock | ||
| − | |||
annual_return_bond | annual_return_bond | ||
| − | |||
annual_return_deposit | annual_return_deposit | ||
| − | + | portfolio_win_comparison – binární proměnné (1/0), určující která strategie „vyhrála“ v daném běhu | |
| − | Všechny náhodné výnosy budou generovány z normálního rozdělení s parametry vypočtenými z historických dat. Pokud budou data nedostatečná, uvažuji | + | Všechny náhodné výnosy budou generovány z normálního rozdělení s parametry vypočtenými z historických dat. Pokud budou data nedostatečná, uvažuji alternativu podle konzervativního odhadu nebo literatury. |
=== Data === | === Data === | ||
| Line 43: | Line 38: | ||
Termínované vklady – EURIBOR: https://www.euribor-rates.eu/en/euribor-rates-by-year/ | Termínované vklady – EURIBOR: https://www.euribor-rates.eu/en/euribor-rates-by-year/ | ||
| − | |||
| − | |||
| − | |||
Revision as of 16:21, 17 May 2025
Contents
Simulace: Vývoj hodnoty investičních portfolií v čase
Popis problému
Investoři řeší otázku, jak složit své portfolio z různých typů aktiv, aby dosáhli co nejlepšího zhodnocení při co nejnižším riziku. Výnosy aktiv jako akcie, dluhopisy nebo termínované vklady jsou proměnlivé a závisí na ekonomickém cyklu i dalších faktorech. Cílem této simulace je ukázat, jak se v čase chovají tři různá portfolia (konzervativní, vyvážené, dynamické), která mají různý podíl akcií (S&P 500), státních dluhopisů (US Government Bonds) a termínovaných vkladů (EURIBOR). Simulace má přiblížit, jak se mění riziko a výnos v závislosti na délce investičního horizontu.
Cíl simulace
Cílem simulace je porovnat vývoj hodnoty tří typů portfolií v čase, zobrazit možná rozpětí výnosů a ověřit, zda se výnosy skutečně stabilizují s rostoucím časem. Pomocí Monte Carlo simulace budu generovat výnosy jednotlivých tříd aktiv na základě historických dat, a tím vytvářet stovky scénářů vývoje. Tyto výstupy budou následně agregovány do tzv. tunelového grafu, který názorně ukáže, jak se s prodlužujícím horizontem snižuje rozptyl možných výsledků (čím delší doba, tím menší rozpětí výsledků a větší šance návratu k průměru).
Zároveň do simulace nově přidávám porovnání mezi jednotlivými portfolii napříč simulacemi – například jak často konzervativní portfolio překoná dynamické, a naopak. To bude vyjádřeno procentuálně a pomůže určit, které portfolio má vyšší pravděpodobnost lepšího výsledku. Tento rozměr umožní lépe interpretovat výkonnost strategií nejen z pohledu průměru, ale i z hlediska dominance v různých scénářích.
Použití simulace
Výsledky simulace lze využít jako edukační nástroj pro individuální investory nebo finanční poradce. Simulace může posloužit i jako ilustrativní model pro vysvětlení diverzifikace, složeného úročení a vlivu volatility na dlouhodobé zhodnocení. Porovnání mezi strategiemi se hodí také pro rozhodování mezi bezpečnou a rizikovější investicí podle konkrétních preferencí klienta.
Použitá metoda a prostředí
Monte Carlo simulace v prostředí Microsoft Excel (případně Python). Roční výnosy budou generovány z normálního rozdělení na základě parametrů odvozených z historických dat. Cílem není přesná predikce, ale realistická ilustrace možného vývoje na základě historických trendů. Výsledky budou vizualizovány pomocí tunelových grafů a tabulek dominance.
Proměnné
Definované předem:
portfolio_composition – rozložení mezi stocks / bonds / deposits initial_investment – počáteční kapitál investment_horizon – délka investice (v letech) avg_return_stock, avg_return_bond, avg_return_deposit – průměrné výnosy tříd aktiv volatility_stock, volatility_bond, volatility_deposit – směrodatná odchylka výnosů
Náhodné proměnné:
annual_return_stock annual_return_bond annual_return_deposit portfolio_win_comparison – binární proměnné (1/0), určující která strategie „vyhrála“ v daném běhu Všechny náhodné výnosy budou generovány z normálního rozdělení s parametry vypočtenými z historických dat. Pokud budou data nedostatečná, uvažuji alternativu podle konzervativního odhadu nebo literatury.
Data
Akcie – S&P 500: https://pages.stern.nyu.edu/~adamodar/New_Home_Page/datafile/spearn.htm
Státní dluhopisy – US 10Y Treasury Bonds: stejný zdroj (Stern NYU)
Termínované vklady – EURIBOR: https://www.euribor-rates.eu/en/euribor-rates-by-year/
