Bir kıyas ölçütüne karşı karşılaştırma

Python ile Portföy Analizine Giriş

Charlotte Werger

Data Scientist

Bir kıyas ölçütüne karşı aktif yatırım

Bir portföyün kümülatif getirileri ile kıyas ölçütünün kümülatif getirilerinin karşılaştırması

Aktif yönetilen bir portföy için aktif getiri

Aktif getiri, bir (aktif) yatırımın performansının, yatırımın kıyas ölçütüne göre göreli halidir.
Kıyas ölçütü getirisi ile gerçek getiri arasındaki fark olarak hesaplanır.
Aktif getiri, kıyas ölçütüne göre ağırlığı artırma/azaltma pozisyonları alan "aktif" yatırımla elde edilir.

Bir endeks izleyici için izleme hatası

Pasif yatırım fonları ya da endeks izleyiciler, performans ölçütü olarak aktif getiriyi kullanmaz.
İzleme hatası (tracking error), pasif bir yatırım fonunda portföy ile kıyas ölçütü arasındaki farka verilen addır.

Aktif ağırlıklar

Sektör başına aktif ağırlıkların çubuk grafiği

¹ Kaynak: Schwab Center for Financial Research.

Python ile aktif getiri

# 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)

Python ile aktif getiri

# 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

Python ile aktif ağırlıklar

# 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

Hadi pratik yapalım!

Python ile Portföy Analizine Giriş