Porovnání s benchmarkem

Introduction to Portfolio Analysis in Python

Charlotte Werger

Data Scientist

Aktivní investování vůči benchmarku

Kumulativní výnosy portfolia v porovnání s kumulativními výnosy benchmarku

Aktivní výnos aktivně řízeného portfolia

Aktivní výnos je výkonnost (aktivní) investice relativně k jejímu benchmarku.
Vypočítá se jako rozdíl mezi výnosem benchmarku a skutečným výnosem.
Aktivního výnosu se dosahuje „aktivním" investováním, tj. zaujímáním nadváhových a podváhových pozic vůči benchmarku.

Tracking error u indexového trackeru

Pasivní investiční fondy neboli indexové trackery aktivní výnos jako měřítko výkonnosti nepoužívají.
Tracking error označuje rozdíl mezi portfoliem a benchmarkem u pasivního investičního fondu.

Aktivní váhy

Sloupcový graf aktivních vah podle odvětví

¹ Zdroj: Schwab Center for Financial Research.

Aktivní výnos v Pythonu

# 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)

Aktivní výnos v Pythonu

# 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

Aktivní váhy v Pythonu

# 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

Pojďme procvičovat!

Introduction to Portfolio Analysis in Python