Vergelijken met een benchmark

Introductie tot portefeuille-analyse in Python

Charlotte Werger

Data Scientist

Actief beleggen tegen een benchmark

Cumulatieve rendementen van een portefeuille vergeleken met cumulatieve benchmarkrendementen

Actief rendement voor een actief beheerde portefeuille

Actief rendement is de prestatie van een (actieve) investering, relatief ten opzichte van de benchmark.
Berekend als het verschil tussen benchmarkrendement en werkelijk rendement.
Actief rendement komt door actief beleggen: over- en onderwegingen t.o.v. de benchmark.

Tracking error voor een indextracker

Passieve fondsen, of indextrackers, gebruiken actief rendement niet als prestatiemaatstaf.
Tracking error is de term voor het verschil tussen portefeuille en benchmark bij een passief fonds.

Actieve wegingen

Staafdiagram van actieve wegingen per sector

¹ Bron: Schwab Center for Financial Research.

Actief rendement in Python

# Inspect the data 
portfolio_data.head()

      mean_ret    var     pf_w     bm_w     GICS Sector    
Ticker                            
A       0.146    0.035    0.002    0.005    Health Care    
AAL     0.444    0.094    0.214    0.189    Industrials    
AAP     0.242    0.029    0.000    0.000    Consumer Discretionary    
AAPL    0.225    0.027    0.324    0.459    Information Technology        
ABBV    0.182    0.029    0.026    0.010    Health Care

¹ Global Industry Classification System (GICS)

Actief rendement in Python

# Calculate mean portfolio return
total_return_pf = (pf_w*mean_ret).sum()

# Calculate mean benchmark return
total_return_bm = (bm_w*mean_ret).sum()

# Calculate active return
active_return = total_return_pf - total_return_bm 
print ("Simple active return: ", active_return)

Simple active return: 6.5764

Actieve wegingen in Python

# Group dataframe by GICS sectors 
grouped_df=portfolio_data.groupby('GICS Sector').sum()

# Calculate active weights of portfolio
grouped_df['active_weight']=grouped_df['pf_weights']-
                            grouped_df['bm_weights']

print (grouped_df['active_weight'])

GICS Sector
Consumer Discretionary         20.257
Financials                     -2.116
...etc

Laten we oefenen!

Introductie tot portefeuille-analyse in Python