Marktkapitalisierungsgewichtete Portfolios
Wenn es großen Unternehmen gut geht, schneiden Marktkapitalisierung- oder „Market Cap“-gewichtete Portfolios tendenziell besser ab. Der Grund: Die größten Gewichte entfallen auf die größten Unternehmen, also auf die Firmen mit der höchsten Marktkapitalisierung.
Unten siehst du eine Tabelle der Marktkapitalisierungen der Unternehmen in deinem Portfolio kurz vor Januar 2017:
| Company Name | Ticker | Market Cap ($ Billions) |
|---|---|---|
| Apple | AAPL | 601.51 |
| Microsoft | MSFT | 469.25 |
| Exxon Mobil | XOM | 349.5 |
| Johnson & Johnson | JNJ | 310.48 |
| JP Morgan | JPM | 299.77 |
| Amazon | AMZN | 356.94 |
| General Electric | GE | 268.88 |
| FB | 331.57 | |
| AT&T | T | 246.09 |
Diese Übung ist Teil des Kurses
Einführung in das Portfoliorisikomanagement mit Python
Anleitung zur Übung
- Ergänze das Array
market_capitalizationsmit den Marktkapitalisierungen in Milliarden gemäß der obigen Tabelle. - Berechne das Array
mcap_weights, sodass jedes Element das Verhältnis der Marktkapitalisierung des Unternehmens zur gesamten Marktkapitalisierung aller Unternehmen ist. - Verwende die Methode
.mul()aufmcap_weightsund den Returns, um die marktkapitalisierungsgewichteten Portfoliorenditen zu berechnen. - Sieh dir abschließend die Grafik der kumulierten Renditen im Zeitverlauf an.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Create an array of market capitalizations (in billions)
market_capitalizations = np.array([601.51, 469.25, 349.5, 310.48, 299.77, 356.94, 268.88, 331.57, ____])
# Calculate the market cap weights
mcap_weights = ____
# Calculate the market cap weighted portfolio returns
StockReturns['Portfolio_MCap'] = StockReturns.iloc[:, 0:9].mul(____, axis=1).sum(axis=1)
cumulative_returns_plot(['Portfolio', 'Portfolio_EW', 'Portfolio_MCap'])