Erwartete Rendite

Dieser Rechner für die erwartete Rendite nimmt eine Liste von Assets entgegen, deren Gewichte zu eins summieren müssen, und erwartete Renditen als Jahresprozente, wendet die Identität E(R_p) gleich der Summe von w_i mal E(R_i) an und liefert die erwartete Portfoliorendite als Prozent und als Dezimalzahl. Summieren die Gewichte nicht zu eins, scheitert die Aufgabe mit invalid_input, statt eine gebrochene Allokation still zu renormalisieren.

Was die erwartete Portfoliorendite bedeutet und wie die Gewichte wirken

Algebraisch gilt: E(R_p) entspricht Σ(w_i × E(R_i)).

Eingabevertrag, Antwortform und Fehlerverhalten

Jedes Objekt muss weight (endliche Zahl, Bruchteil des Buchs, z. B. 10 für zehn Prozent) enthalten. Der kennzeichnende Fehler ist eine Gewichtssumme ungleich eins: addieren die Bruchteile nicht zu 1 innerhalb einer Toleranz von 1e-8, scheitert die Aufgabe, statt das Buch heimlich umzuskalieren oder eine Ziffer zu liefern, die so tut, als existiere das restliche Bargeld nicht. Gewichte dürfen für eine Leerverkaufshülse negativ sein, erwartete Renditen dürfen es bei einem prognostizierten Verlust ebenso; beides bleibt wohldefiniert, solange die Gewichte weiterhin zu eins summieren. Beispiel: Aktien mit weight 0.6 und zehn Prozent plus Anleihen mit weight 0.4 und vier Prozent ergeben eine erwartete Portfoliorendite von 7.6 Prozent, oder 0.076 als Dezimalzahl. Kombinieren Sie die Antwort mit Ihren eigenen Prognosen; dieser Endpunkt misst nur die gewichtete Summe. Senden Sie per POST einen JSON-Körper mit dem einzigen Pflichtfeld assets: ein nicht leeres Array von Objekten. B. 0.6 für sechzig Prozent) und expected_return (endliche Zahl, jährliche erwartete Rendite in Prozent, z. Aliase holdings, positions, portfolio und list werden für das Array akzeptiert. Höchstens hundert Assets pro Aufruf. Ein leeres Array, ein fehlendes assets-Feld, ein Nicht-Array-Wert oder ein Asset-Objekt ohne weight oder expected_return scheitert mit invalid_input und wird nicht berechnet. Bei Erfolg enthält der Körper asset_count; weight_sum (soll als 1 gelesen werden); expected_return als Dezimalverhältnis; expected_return_percent; ein assets-Array von Datensätzen mit name, weight, expected_return und contribution_percent (Gewicht mal erwartete Rendite dieses Assets); und eine formula-Zeichenkette, die die Identität wiederholt.

Wo ein Rechner für die erwartete Portfoliorendite seinen Nutzen hat

Fehlgeschlagene Validierung wird nicht berechnet. Die Fähigkeit erfindet keine Prognosen aus der Kurshistorie und keine Kovarianzmatrix; diese Schätzungen gehören in Ihre Datenschicht, und dieser Rechner wendet die Identität der gewichteten Summe erst an, sobald Sie sie liefern. Berater und IPS-Blätter können dasselbe reine Modul im Browser für kostenlose Vorschauen und über die API für gespeicherte Akten aufrufen und so garantieren, dass die Ziffer, die ein Mandant auf der Landingseite sah, der nach einer Umschichtung gespeicherten Ziffer entspricht. Lehrende und CFA-artige Hausaufgaben brauchen ein deterministisches Orakel für E(R_p) gleich der Summe von w_i mal E(R_i), einschließlich des Falls negativer Gewichte und des Scheiterns, wenn die Gewichte nicht zu eins summieren, damit ein fehlerhafter Bewerter eine gebrochene Allokation nicht als Erfolg wertet. Tabellen-Add-ons und Allokations-Apps speichern oft bereits Tickerzeilen mit Zielgewichten und Analystenprognosen; einmaliges Senden dieser Liste liefert die Portfolioziffer plus den contribution_percent jeder Position für ein gestapeltes Diagramm. Weil die Implementierung reine Parse-Stufe A ist, kostet jeder erfolgreiche Aufruf den veröffentlichten Basispreis $0.002 ohne Modell-Tokens und ohne ausgehendes Netz. Halten Sie die Liste unter hundert Assets, fixieren Sie expected_return und expected_return_percent in Tests und erhalten Sie eine reproduzierbare erwartete Portfoliorendite für Widgets, Unterricht und Edge-Worker, ohne eine eigene Faktorenmodell-Bibliothek aufzubauen.