So sánh với chỉ số tham chiếu

Nhập môn Phân tích Danh mục đầu tư với Python

Charlotte Werger

Data Scientist

Đầu tư chủ động so với chỉ số tham chiếu

Lợi nhuận tích lũy của danh mục so với lợi nhuận tích lũy chuẩn

Nhập môn Phân tích Danh mục đầu tư với Python

Lợi nhuận chủ động cho danh mục được quản lý chủ động

$$

  • Lợi nhuận chủ động là hiệu quả của khoản đầu tư (chủ động) so với chuẩn.
  • Tính bằng hiệu giữa lợi nhuận danh mục và lợi nhuận chuẩn.
  • Lợi nhuận chủ động đến từ đầu tư “chủ động”, tức là tăng/giảm tỷ trọng so với chuẩn.
Nhập môn Phân tích Danh mục đầu tư với Python

Tracking error cho quỹ bám chỉ số

$$

  • Quỹ thụ động, hay quỹ bám chỉ số (index tracker), không dùng lợi nhuận chủ động để đo hiệu quả.
  • Tracking error là chênh lệch giữa danh mục và chuẩn đối với quỹ thụ động.
Nhập môn Phân tích Danh mục đầu tư với Python

Tỷ trọng chủ động

Biểu đồ cột tỷ trọng chủ động theo ngành

1 Nguồn: Schwab Center for Financial Research.
Nhập môn Phân tích Danh mục đầu tư với Python

Lợi nhuận chủ động trong 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)
Nhập môn Phân tích Danh mục đầu tư với Python

Lợi nhuận chủ động trong 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
Nhập môn Phân tích Danh mục đầu tư với Python

Tỷ trọng chủ động trong 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
Nhập môn Phân tích Danh mục đầu tư với Python

Ayo berlatih!

Nhập môn Phân tích Danh mục đầu tư với Python

Preparing Video For Download...