Logo Python

Simulación de Portafolios — Python para Finanzas

Backtesting de carteras, frontera eficiente, métricas de riesgo/retorno (Sharpe, Sortino, Beta, VaR) y asignación óptima con Python.

Simulación de Portafolios 1 Simulación de Portafolios 2 Simulación de Portafolios 3 Simulación de Portafolios 4 Simulación de Portafolios 5 Simulación de Portafolios 6 Simulación de Portafolios 7 Simulación de Portafolios 8 Simulación de Portafolios 9 Simulación de Portafolios 10 Simulación de Portafolios 11 Simulación de Portafolios 12 Simulación de Portafolios 13 Simulación de Portafolios 14 Simulación de Portafolios 15
Ver notebook completa Ver repositorio Descargar PDF

Resumen

Este proyecto implementa un flujo completo de simulación y evaluación de carteras: lectura y limpieza de datos, cálculo de retornos, métricas de riesgo/retorno, simulación Monte Carlo, frontera eficiente, CAPM y selección de la asignación óptima según perfil de riesgo.

Métricas clave

  • Retorno anualizado, volatilidad anualizada, ratio de Sharpe y Sortino.
  • Beta vs. benchmark (SPY) y Treynor; Máximo Drawdown y Calmar.
  • VaR / CVaR (paramétrico y empírico) para stress de pérdidas.
  • Construcción de la Frontera Eficiente y tangencia con tasa libre de riesgo.

Metodología

  1. Descarga de precios y cálculo de retornos (log y simples).
  2. Estimación de medias, covarianzas y correlaciones.
  3. Simulación de pesos aleatorios y evaluación Monte Carlo.
  4. Optimización: Sharpe máximo, volatilidad mínima y objetivo de retorno.
  5. Backtesting y comparación contra benchmark.

Tecnologías

Python (pandas, numpy, matplotlib), yfinance / datareader, PyPortfolioOpt, scipy.