Marktkapitaal-gewogen portefeuilles
Omgekeerd, wanneer grote bedrijven het goed doen, presteren portefeuilles die op market capitalization (ook wel "market cap") zijn gewogen vaak beter. Dit komt doordat de grootste wegingen naar de grootste bedrijven gaan, ofwel de bedrijven met de grootste market cap.
Hieronder zie je een tabel met de marktkapitalisaties van de bedrijven in je portefeuille vlak voor januari 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 |
Deze oefening maakt deel uit van de cursus
Introductie tot portefeuillerisicobeheer in Python
Oefeninstructies
- Maak de
market_capitalizations-array met marktkapitalisaties in miljarden af volgens de tabel hierboven. - Bereken de
mcap_weights-array zodat elk element de verhouding is van de market cap van het bedrijf tot de totale market cap van alle bedrijven. - Gebruik de
.mul()-methode opmcap_weightsen de returns om de marktkapitaal-gewogen portefeuillerendementen te berekenen. - Bekijk tot slot de grafiek met cumulatieve rendementen in de tijd.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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'])