[Python] CPPI 실습 on Python

CPPI 실습 on Python

---

변석준 교수님의 강의 엑셀파일 및 직전 기수 py 코드는 아래 링크를 통해 다운 받으실 수 있습니다.

ZIP 파일은 암호로 보호받고있으며, 암호는 본 과정 카이스트 와이파이 비밀번호와 같습니다.

Excel파일(결과포함)과 py 실습 코드 다운로드

본 포스팅의 python 코드는 아래 링크를 통해 다운 받으실 수 있습니다.

Download the notebook

1. Parameter 설정

initial_budget=10000
protection_floor=0.85
m=4 #multiplier
floor=initial_budget*protection_floor
rate=0.02 # yearly

변수들을 설정해주는 코드입니다.

initial_budget은 초기 투자금액, rate는 CMA 연간 기준 금리입니다.

2. Stock Price 데이터 불러오기 (S&P500)

import pandas as pd
df=pd.read_excel('CPPI(data).xlsx', index_col=0)
df

교수님의 실습자료; CPPI(data).xlsx 파일을 불러오는 과정입니다.

데이터를 df라는 변수로 지정하였고, df는 아래와 같습니다.

	sp500
2000-01-31	1394.46
2000-02-29	1366.42
2000-03-31	1498.58
2000-04-28	1452.43
2000-05-31	1420.60
...	...
2021-08-31	4522.68
2021-09-30	4307.54
2021-10-29	4605.38
2021-11-30	4567.00
2021-12-31	4766.18

264 rows × 1 columns

3. 주식 수익률 계산

stock_profit=[0]
for i in range(1, len(df)):
    stock_profit.append(df['sp500'][i]/ df['sp500'][i-1] -1)
    
df['stock_profit']=stock_profit

stock_only_budget=[initial_budget]
for i in range(1, len(df)):
    stock_only_budget.append(stock_only_budget[i-1]*(1+df['stock_profit'][i]))
    
df['stock_only_budget']=stock_only_budget

df

본 df에서는 S&P500의 월별 인덱스가 나와있고, 월별 수익률을 계산할 수 있습니다.

[기준월 인덱스] / [전월 인덱스]를 구해 1(100%)를 빼주면 손익률(stock_profit)을 구할 수 있습니다.

손익률 리스트를 기반으로 10K 달러에 대해 주식 100% 투자 시의 금액 변동을 확인할 수 있습니다(stock_only_budget).

결과는 아래와 같습니다.

	sp500	stock_profit	stock_only_budget
2000-01-31	1394.46	0.000000	10000.000000
2000-02-29	1366.42	-0.020108	9798.918578
2000-03-31	1498.58	0.096720	10746.668961
2000-04-28	1452.43	-0.030796	10415.716478
2000-05-31	1420.60	-0.021915	10187.456076
...	...	...	...
2021-08-31	4522.68	0.028990	32433.199948
2021-09-30	4307.54	-0.047569	30890.380506
2021-10-29	4605.38	0.069144	33026.261062
2021-11-30	4567.00	-0.008334	32751.029072
2021-12-31	4766.18	0.043613	34179.395608

264 rows × 3 columns

4. CPPI 계산

budget=[initial_budget]
logs_cushion=[]
logs_stock=[]
logs_cma=[]

for i in range(len(df)):
    cushion=budget[i]-floor
    logs_cushion.append(cushion)
    
    stock_invest=min(budget[i], m*cushion)
    logs_stock.append(stock_invest)
    
    cma_invest=budget[i]-stock_invest
    logs_cma.append(cma_invest)
    
    if i != len(df)-1:
        budget.append(stock_invest*(1+df['stock_profit'][i+1]) + cma_invest*(1+rate/12))

CPPI 전략을 통한 포트폴리오 budget 변화를 계산해보겠습니다.

먼저, 리스트를 생성하여 월별 budget, cushion, stock, cma의 추이를 기록할 수 있게 세팅을 하였습니다.

이후 for부터 시작하는 코드는 반복문입니다. 월별로 각 지표들을 계산하는 것인데, 과정은 아래와 같습니다.

1. cushion은 현재의 budget에서 floor를 뺀 값입니다. floor는 초반 코드에서 초기금액(initial_budget)에 protection_floor를 곱한 값입니다.
2. logs_cushion 리스트에 1에서 계산한 cushion 값을 추가(append)해 줍니다.
3. 주식투자금액(stock_invest)은 현재의 budget과 m(multiplier)*cushion의 값 중 작은 값을 선택합니다.
4. 2와 같은 방식으로 logs_stock라는 리스트에 주식투자금액(stock_invest)을 추가해줍니다.
5. CMA 투자금액은 현재 budget에서 주식투자금액을 제외한 나머지 값입니다.
6. 2나 4와 마찬가지로 logs_cma 리스트에 계산된 cma 값을 추가해줍니다.
7. 지금까지 cushion, 주식투자금액, CMA투자금액을 계산하였습니다. 이를 통해 다음 달의 budget을 계산할 수 있습니다.
   1. 남은 코드에 대해 부연설명을 드리자면, 당월 기준 다음월의 budget을 계산하는 것이기 때문에 마지막 행에 대해서는 다음월 계산을 하지 않도록 조건문을 붙여 반복문을 끝내도록 하였습니다.

df['CPPI budget']=budget
df['floor']=floor
df['cusihon']=logs_cushion
df['stock_invest']=logs_stock
df['cma_invest']=logs_cma
df['stock_prop']=df['stock_invest']/df['CPPI budget']

반복문 상에서 기록된 logs 리스트들을 표(df)에 저장해줍니다.

추가로 저장된 stock_invest와 CPPI budget 열을 연산시켜 주식투자비중(stock_prop)을 계산하여 저장하겠습니다. (마지막 줄)

5. 결과 시각화 및 파일 저장

df # show final calculated data table

최종 결과 표(df)는 아래와 같습니다.

	sp500	stock_profit	stock_only_budget	CPPI budget	floor	cusihon	stock_invest	cma_invest	stock_prop
2000-01-31	1394.46	0.000000	10000.000000	10000.000000	8500.0	1500.000000	6000.000000	4000.000000	0.600000
2000-02-29	1366.42	-0.020108	9798.918578	9886.017813	8500.0	1386.017813	5544.071253	4341.946560	0.560799
2000-03-31	1498.58	0.096720	10746.668961	10429.476385	8500.0	1929.476385	7717.905539	2711.570846	0.740009
2000-04-28	1452.43	-0.030796	10415.716478	10196.316439	8500.0	1696.316439	6785.265758	3411.050682	0.665462
2000-05-31	1420.60	-0.021915	10187.456076	10053.302441	8500.0	1553.302441	6213.209764	3840.092677	0.618027
...	...	...	...	...	...	...	...	...	...
2021-08-31	4522.68	0.028990	32433.199948	31834.844961	8500.0	23334.844961	31834.844961	0.000000	1.000000
2021-09-30	4307.54	-0.047569	30890.380506	30320.488751	8500.0	21820.488751	30320.488751	0.000000	1.000000
2021-10-29	4605.38	0.069144	33026.261062	32416.964783	8500.0	23916.964783	32416.964783	0.000000	1.000000
2021-11-30	4567.00	-0.008334	32751.029072	32146.810505	8500.0	23646.810505	32146.810505	0.000000	1.000000
2021-12-31	4766.18	0.043613	34179.395608	33548.825333	8500.0	25048.825333	33548.825333	0.000000	1.000000

264 rows × 9 columns

시각화를 해보겠습니다.

python에는 matplotlib라는 시각화를 위한 라이브러리(기능)을 제공합니다.

from matplotlib import pyplot as plt

plt.figure(figsize=(16,9))

plt.plot(df.index, df['stock_only_budget'])
plt.plot(df.index, df['CPPI budget'])
plt.plot(df.index, df['floor'])

plt.show()

​

df.index는 표(df)의 세로축에 해당하는 월 간격을 지정하고, 각각 주식100%투자 금액추이(stock_only_budget), CPPI를 통한 금액추이(CPPI_budget), 그리고 floor를 그래프로 그려 위와 같이 시각화하였습니다.

plt.figure(figsize=(16,9))

plt.plot(df.index, df['stock_prop'])

plt.show()

이번 그래프에서는 월별 주식투자비중(stock_prop)을 시각화하였습니다.

df.to_excel('CPPI_calculated.xlsx')

마지막으로 최종 결과 표(df)를 CPPI_calculated.xlsx라는 이름의 파일로 저장하겠습니다.

이상으로 CPPI on Python 실습을 마치겠습니다.

FAQ

본 포스팅의 코드에 대한 질문은 본 포스팅 아래 댓글로 남겨주시면 최대한 답변드릴 수 있도록 하겠습니다.