Eerste moment: Mu

Je kunt het gemiddelde historische rendement van een aandeel berekenen met de functie mean() van numpy.

Als je het gemiddelde dagelijkse rendement van een aandeel berekent, schat je in feite het eerste moment ( $ \mu $ ) van de verdeling van historische rendementen.

Maar wat heb je aan dagelijkse rendementschattingen als je een langetermijnbelegger bent? Met de onderstaande formule kun je het gemiddelde jaarlijkse rendement van een aandeel schatten, gegeven het gemiddelde dagelijkse rendement en het aantal handelsdagen per jaar (meestal zijn er ongeveer 252 handelsdagen per jaar):

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

Het StockPrices-object uit de vorige oefening is als variabele opgeslagen.

Deze oefening maakt deel uit van de cursus

Introductie tot portefeuillerisicobeheer in Python

Cursus bekijken

Oefeninstructies

Importeer numpy als np.
Bereken het gemiddelde van de kolom 'Returns' om het eerste moment ( $ \mu $ ) te schatten en sla dit op in mean_return_daily.
Gebruik de formule om het gemiddelde, op jaarbasis omgerekende rendement af te leiden, uitgaande van 252 handelsdagen per jaar. Onthoud dat machtsverheffen in Python wordt gedaan met de operator **.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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 bewerken en uitvoeren