Порівняння з бенчмарком

Вступ до Portfolio Analysis у Python

Charlotte Werger

Data Scientist

Активне інвестування відносно бенчмарка

Накопичена дохідність портфеля порівняно з накопиченою дохідністю бенчмарка

Активна дохідність для активно керованого портфеля

Активна дохідність — це результат (активної) інвестиції відносно її бенчмарка.
Обчислюється як різниця між бенчмарком і фактичною дохідністю.
Активну дохідність отримують через «активне» інвестування, тобто перевищені та занижені ваги проти бенчмарка.

Tracking error для index tracker

Пасивні фонди, або index trackers, не використовують активну дохідність як метрику результату.
Tracking error — це назва різниці між портфелем і бенчмарком для пасивного фонду.

Активні ваги

Стовпчикова діаграма активних ваг за галузями

¹ Джерело: Schwab Center for Financial Research.

Активна дохідність у 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)

Активна дохідність у 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

Активні ваги у 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

Давайте потренуємось!

Вступ до Portfolio Analysis у Python