Contexte et Objectifs
Ce notebook est la réadaptation d'un projet de Master en finance quantitative. J'y développe un optimisateur de portefeuille basique en R, entrainé et testé sur des données financières réelles. Il permet notamment de définir plusieurs critères (score ESG, pondération des actifs, diversification) et produit plusieurs portefeuilles optimisant différent critères:
- Volatilité minimum
- Ratio Sharpe maximum
- Alpha maximum (rendement supérieur au benchmark)
- Tracking Error minimum
- Ratio d'Information maximum
Méthodologie
Le calcul des portefeuilles sous contraintes repose sur les librairies de solveurs lpSolve et quadprog afin de tracer la frontière efficiente.
Résultats Clefs
Les données actuelles utilisées dans le notebook s'arrête en fin 2024, une année de baisse des cours boursiers. Les portefeuilles n'ont donc pas une
performance exceptionnelle, je vous invite à créer votre propre jeu de données et à l'importer dans ce notebook pour voir ce qu'il en ressort.
Consultez le notebook pour plus de détail !