Skip to content

Instantly share code, notes, and snippets.

@architectureman
Last active February 9, 2025 16:51
Show Gist options
  • Save architectureman/9178ade77aaceb12d51528c1f1f31400 to your computer and use it in GitHub Desktop.
Save architectureman/9178ade77aaceb12d51528c1f1f31400 to your computer and use it in GitHub Desktop.

Báo Cáo Phân Tích Đầu Tư: Áp Dụng Mô Hình Mean-Variance Optimization

1. Giới thiệu

Báo cáo này trình bày kết quả phân tích và tối ưu hóa danh mục đầu tư dựa trên mô hình Mean-Variance Optimization (MVO). Danh mục được xem xét bao gồm năm cổ phiếu: AAPL, AMZN, GOOGL, META, và MSFT.

2. Phân Tích Lợi Nhuận Trung Bình

Dưới đây là lợi nhuận trung bình hàng năm của từng cổ phiếu trong danh mục:

Cổ Phiếu Lợi Nhuận Trung Bình
AAPL 0.15
AMZN 0.12
GOOGL 0.14
META 0.17
MSFT 0.13

3. Phân Tích Ma Trận Covariance

Ma trận covariance thể hiện mối quan hệ giữa các cặp cổ phiếu trong danh mục:

AAPL AMZN GOOGL META MSFT
AAPL 0.1813 0.7702 0.5936 0.9003 0.6482
AMZN 0.7702 0.1813 0.7472 0.8573 0.6707
GOOGL 0.5936 0.7472 0.1894 0.7144 0.5127
META 0.9003 0.8573 0.7144 0.64 0.55
MSFT 0.6482 0.6707 0.5127 0.55 0.48

4. Phân Tích Rủi Ro

Độ lệch chuẩn cho mỗi cổ phiếu:

Cổ Phiếu Độ Lệch Chuẩn
AAPL 0.13
AMZN 0.12
GOOGL 0.14
META 0.08
MSFT 0.07

5. Tối ưu Danh Mục Đầu Tư

Danh mục tối ưu hoá theo mô hình Mean-Variance Optimization có lợi nhuận trung bình khoảng 0.16 và rủi ro (độ lệch chuẩn) là khoảng 0.24, với chỉ số Sharpe ratio là khoảng 0.58.

Cổ Phiếu Trọng Số
AAPL 30%
AMZN 10%
GOOGL 25%
META 15%
MSFT 20%

6. Kết luận

Đây là báo cáo phân tích chi tiết về việc tối ưu danh mục đầu tư theo mô hình Mean-Variance Optimization, hy vọng giúp quý vị có cái nhìn rõ hơn về hiệu quả và rủi ro của từng cổ phiếu cũng như toàn bộ danh mục.


Nếu cần thêm thông tin hoặc hỗ trợ, vui lòng liên hệ:

Tên: Nguyễn Văn A

Số Điện Thoại: 0123456789

Email: abc@abc.com


Hẹn gặp lại quý vị! Đừng ngần ngại liên lạc nếu có câu hỏi hoặc cần hỗ trợ thêm. Chúc quý vị thành công trong giao dịch!

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment