Erster Moment: Mu

Du kannst die durchschnittliche historische Rendite einer Aktie mit der mean()-Funktion von numpy berechnen.

Wenn du die durchschnittliche tägliche Rendite einer Aktie berechnest, schätzt du im Grunde den ersten Moment ( $ \mu $ ) der Verteilung der historischen Renditen.

Aber wozu nützen tägliche Renditeschätzungen einer langfristigen Anlegerin oder einem langfristigen Anleger? Mit der folgenden Formel kannst du die durchschnittliche jährliche Rendite einer Aktie schätzen, gegeben die durchschnittliche Tagesrendite und die Anzahl der Handelstage pro Jahr (typischerweise gibt es ungefähr 252 Handelstage pro Jahr):

$$ \text{Average Annualized Return} = ( ( 1 + \mu ) ^ {252}) - 1 $$

Das StockPrices-Objekt aus der vorherigen Übung ist als Variable gespeichert.

Diese Übung ist Teil des Kurses

Einführung in das Portfoliorisikomanagement mit Python

Kurs anzeigen

Anleitung zur Übung

Importiere numpy als np.
Berechne den Mittelwert der Spalte 'Returns', um den ersten Moment ( $ \mu $ ) zu schätzen, und speichere ihn in mean_return_daily.
Verwende die Formel, um die durchschnittliche annualisierte Rendite abzuleiten, ausgehend von 252 Handelstagen pro Jahr. Denk daran: Exponenten werden in Python mit dem Operator ** berechnet.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import numpy as np
import ____ as ____

# Calculate the average daily return of the stock
mean_return_daily = ____(StockPrices['Returns'])
print(mean_return_daily)

# Calculate the implied annualized average return
mean_return_annualized = ((____+____)**____)-____
print(mean_return_annualized)

Code bearbeiten und ausführen