Jämförelse mot ett riktmärke

Introduktion till portföljanalys i Python

Charlotte Werger

Data Scientist

Aktiv förvaltning mot ett riktmärke

Kumulativ avkastning för en portfölj jämfört med riktmärkets kumulativa avkastning

Aktiv avkastning för en aktivt förvaltad portfölj

Aktiv avkastning är resultatet för en (aktiv) investering i förhållande till investeringens riktmärke.
Beräknas som skillnaden mellan riktmärkets och den faktiska avkastningen.
Aktiv avkastning uppnås genom "aktiv" förvaltning, dvs. genom att ta över- och underviktade positioner relativt riktmärket.

Tracking error för en indextracker

Passiva investeringsfonder, eller indextrackers, använder inte aktiv avkastning som prestationsmått.
Tracking error är beteckningen för skillnaden mellan portföljens och riktmärkets avkastning för en passiv investeringsfond.

Aktiva vikter

Stapeldiagram över aktiva vikter per bransch

¹ Källa: Schwab Center for Financial Research.

Aktiv avkastning i 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)

Aktiv avkastning i 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

Aktiva vikter i 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

Nu kör vi en övning!

Introduktion till portföljanalys i Python