พอร์ตโฟลิโอสองสินทรัพย์

เลื่อนน้ำหนักและสหสัมพันธ์ ดู σ ของพอร์ตโฟลิโอเลื่อนไปตาม frontier สองสินทรัพย์ การสาธิตที่ง่ายที่สุดว่าทำไมการกระจายความเสี่ยงจึงได้ผล

เลื่อนน้ำหนักของสินทรัพย์ A สังเกตค่าเบี่ยงเบนมาตรฐานของพอร์ตเคลื่อนไปตามขอบสองสินทรัพย์ ความสัมพันธ์ที่ต่ำกว่า → ประโยชน์การกระจายความเสี่ยงมากขึ้น

เลือกสินทรัพย์ใดก็ได้ 2 รายการ — ดึง μ, σ, ρ แบบสด

สินทรัพย์ A

Mix any combination — e.g. NVDA + BTC-USD + GLD + AGG. Type a ticker not in the list to add it as a custom asset.

สินทรัพย์ B

Mix any combination — e.g. NVDA + BTC-USD + GLD + AGG. Type a ticker not in the list to add it as a custom asset.

สินทรัพย์ A — S&P 500 (stocks)

E[r] %

σ %

สินทรัพย์ B — US 10y T-Note (bonds)

E[r] %

σ %

ความสัมพันธ์ ρ

น้ำหนักของ A: 60%

น้ำหนัก MVP รูปปิด (w_A):10.47%

E[r_p]

7.60%

σ_p

11.42%

Sharpe (rf=0)

0.67

ขอบสองสินทรัพย์แสดงทุกการผสมถ่วงน้ำหนักของ A และ B MVP (สีส้ม) คือจุดเดียวที่มี σ ต่ำสุด ความสัมพันธ์ที่ต่ำกว่าผลักเส้นโค้งไปทางซ้ายมากขึ้น — นี่คือประโยชน์การกระจายความเสี่ยง "มื้ออาหารฟรี" เพียงอย่างเดียวในโลกการเงิน

When you mix two assets, the portfolio return is just the weighted average of the two returns. But the volatility is NOT a simple average - it depends on correlation. When ρ < 1, you get diversification: the portfolio is less volatile than a weighted average would suggest. That's the magic Markowitz formalised.

ทุก Lab ตั้งอยู่บนพื้นฐานคณิตศาสตร์ตำรามาตรฐาน (Bodie / Kane / Marcus, Fabozzi, Tandelilin) Read the full methodology in the How It Works panel above.