Sie sind auf Seite 1von 13

1

Artikel
Portfolio mit fünf Wertpapieren aus dem DAX

Vorgelegt von: XXXX

Kontaktdaten:

Handynummer:
Studiengang:
1 Abstrakte Infromation
Modern Portfolio Theory, or MPT, is a mathematical approach to designing portfolio
models first described by Harry Markowitz in 1952, in work that earned him the 1990
Nobel Prize.
The centerpiece of MPT is the mean-variance portfolio model. As its name suggests,
this model characterizes the performance of a single stock in terms of its a mean
growth rate, and the variance of that growth rate. The latter serves as a measure of
the volatility, or the risk that the stock will not perform as predicted. The model
considers the statistical correlation between pairs of stocks. The mathematical models
generated with this approach illustrate the value of diversification as a means of
building the most efficient portfolios that provide the best balance of performance
and risk.
In this article, I want to demonstrate the application of the mean-variance portfolio
model applied to the stocks that make up the DAX-Index and another exchange
market. The key packages I will be using are: fixy ahoopandasnumpyanother

1.1 Das Porfolio

Ich habe selbst ein Portfolio, die aus fünf Aktien bestehen, mit Hilfe Python
aufgebaut. In Rahmen dieser Artikel wird Aktientitel des DAX verwendet. Die
beobachteten Daten stammte aus Yahoo Finance. Die Aktienkurse wird in den
Zeitraum vom 01.01.2009 bis zum 24.10.2018 beobachtet. Außerdem werden
logorithmische Rendite des Schlusskurse der Aktien benutzt, das jeweilige Risiko
einzuschatzen.
Das lässt sich folgenderweise zu ermitteln:

ri,t = ln(ski,t ) − ln(ski,t−1 ) (1)

Für die Auswahl der Aktien steht Korrelationskoeffizient zur Verfügung. Der Wert
der Korrelationskoeffizient liegt im Intervall −1 ≤ ρx,y ≤ +1. Positive
Korrelationskoeffizient bezeichnet direkte Proportionalität zwischen zwei Aktien.
Beim negative Korrelationskoeffizient besteht zwischen beiden Abweichungen eine
umgekehrte Proportionalität. Im Folgenden wird Korrelationskoeffizienten nach

1
Abbildung 1: Analysierte Aktientittel

Pearson verwendet, um die Abhängigkeit zwischen Renditen von Aktien x, y zu


untersuchen.

2
Abbildung 2: Korrelation zwischen Aktien

In der Abbildung 2 ist deutlich zu erkennen, dass am meistens deutsche Aktien hoch
korreliert sind. Es gibt ein paar Aktien, die niedrige Korrelationskoeffizient haben
(weniger als 0.4).

3
Abbildung 3: Aktien Volatilität

Dann wird die Volatilität den Aktien berechnet. In der Abbildung 3 ist deutlich zu
erkennen, dass jeder drei Jahre die Volatilität für deutsche Aktien sich erhöcht.
Darauf folgt, dass nächste Phase in 2019 wird.

4
Abbildung 4: Risk/Return den Aktien

Abbildung 5: Funf asgewählte Aktientitel

In diesem Titel wird ausgewogenes (balanced) Portfolio aufgebaut. Als Beispiel wird
weiter funf Aktientitel: Fresenius Medical Care AG & Co. KGaA (FME); ADIDAS;
Beiersdorf Aktiengesellschaft; Wirecard AG; Fresenius SE & Co. KGaA genommen.

5
Während der Aktie WIRECARD ein hoch Risiko im betrachteten Zeitraum hat, sind
Risiken der anderen vier Aktien niedrig. Daraus folgt, dass ich ausgewogenes Portfolio
bekommen kann. Ich habe für diese fünf Aktien optimales Gewicht gerechnet.

Abbildung 6: Optimales Gewicht

Abbildung 7: Portfolio

Mit Hilfe dieser optimalen Gewicht habe ich Portfolio aufgebaut:

• Sharpe Ratio 1.22

• Volatilität fast 0.22

• Rendite mehr als 0.25

Abbildung 7 zeigt, dass in roten Punkt sich das rechnetes Portfolio findet. Einerseits
kann Portfolio mit hohen jährlichen Renditen erzielt werden, andererseits kann gemäß
6
der unten dargestellten Grafik Wirecard AG sich als Seifenblase ausnehmen. Das
muss zur weiteren detaillierten Analyse führen.

Abbildung 8: typische Seifenblase (Quelle: Jean Paul Rodrigue)

Zusammenfassend lässt sich sagen, dass Porfolio höher Sharpe Ratio, positive Rendite
und kleine Volatilität hat. Deswegen kann diese Porfolio weite untersuchen. Es kann
sein, dass Aktie als Beiersdorf Aktiengesellschaft geandert wird. Biersdorf (BSDORF)
hat 0.01 opt.Gewicht, deswegen spielt diese Aktie keine Rolle in Porfolio.

2 Fragen
• Können Sie mir bitte guten Büchern, Webressourcen empfehlen, weiterzuentwi-
ckeln?

• In welcher Fälle ist besser als Input daily Return benutzen oder muss man immer
log-Return benutzen?

• Gibt es ein Regeln, wie die Datei normalisiert werden muss ([-1; 1] oder [0;1])?
Wie läuft genau diesen Prozess?

• Welche zusätzliche Info kann man für weitere Analyse der Wertpapieren benut-
zen? Beispielsweise, financial ratios als P/E, P/S, EBIT in dynamic sind für
7
technical Analyse notwendig.

• Kann man besser die kurzfristige Dynamik der Aktienentwicklung mit Hilfe der
Twitt Analyse verstehen oder?

• Als ich verstanden habe, nutzen Sie alpha als output. Ist so richtig?

• Was kann ich weiter nutzen in input date.

8
Tabelle 1: Stock views Consumer Cyclical- Auto Manufacturers

Nr. Stock Price P/E(TTM) EPS(TTM)

1 Daimler 50.61 eur 6.1 8.30


2 Volkswagen AG 150.2 eur 5.82 25.81
3 Renault 60.45 eur 3.63 16.63
4 AUDI 770 eur 8.67 88.86
5 BMW 73.38 eur 5.86 12.53
6 Peugeot 19.30 eur 8.62 2.24
7 Porsche 58.08 eur 5.34 10.88
8 Fiat Chrysler 13.85 eur 6.98 2
9 Toyota 119.71 usd 7.37 16.25
10 Honda 27.76 usd 4.86 5.72
11 Tata 12.89 usd 104.37 0.12
12 Nissan 16.92 usd 5.12 3.30
13 Ford 9.13 usd 5.91 1.54

Audi - NSU.DE Renault SA (RNO.PA) Peugeot S.A. (UG.PA) Porsche Automobil


Holding SE (PAH3.DE) Fiat Chrysler Automobiles N.V. (2FI.DE) Toyota Motor
Corporation (TM) Honda Motor Co., Ltd. (HMC) Tata Motors Limited (TTM)
Nissan Motor Co., Ltd. (NSANY)
E.ON SE (EOAN.DE), Endesa, S.A. (ELE.MC), EnBW Energie Baden-Württemberg
AG (EBK.DE), Iberdrola, S.A. (IBE.MC), National Grid plc (NG.L), EDP - Energias
de Portugal, S.A. (EDP.F), Companhia Paranaense de Energia - COPEL
(XCOP.MC), CEZ, a. s. (CEZ.F), CLP Holdings Limited (CLP1.F), NextEra Energy,
Inc. (FP3.F), Exelon Corporation (PEO.F), MVV Energie AG (MVV1.F) ,Hera
S.p.A. (HER.MI), RWE AG (RWE.DE)
Fresenius SE FRE.DE, Fresenius Medical FME.DE, MERCK MRK.DE, Beiersdorf
BEI.DE, Vonovia SE VNA.DE, Deutsche Telekom DTE.DE,

9
Tabelle 2: Stock views Utilities - Utilities Diversified

Nr. Stock Price P/E(TTM) EPS(TTM)

1 E.ON SE 9.04 eur 6.23 1.45


2 Endesa 19.72 eur 13.27 1.49
3 Energie Baden-Würt 29.80 eur 12.35 2.41
4 Iberdrola 6.60 eur 15.57 0.42
5 National Grid 819.30 pfd 8.55 0.96
6 EDP-Energias de Portugal 3.08 eur 10.54 0.29
7 Companhia Paranaense de Energia 6.50 eur 6.65 0.98
8 Cez 21.20 eur 24.86 0.85
9 CLP Holdings 9.66 eur 14.43 0.67
10 NextEra Energy 155.61 eur 10.64 14.64
11 Exelon Corporation 39.31 eur 12.57 3.25
12 MVV Energie AG 25.20 eur 14.29 1.75
13 Hera 2458 eur 13.04 0.19

Tabelle 3: Stock views Utilities - Utilities Diversified

Nr. Stock Price P/E(TTM) EPS(TTM)

1 E.ON SE 9.04 eur 6.23 1.45


2 Endesa 19.72 eur 13.27 1.49
3 Energie Baden-Würt 29.80 eur 12.35 2.41
4 Iberdrola 6.60 eur 15.57 0.42
5 National Grid 819.30 pfd 8.55 0.96
6 EDP-Energias de Portugal 3.08 eur 10.54 0.29
7 Companhia Paranaense de Energia 6.50 eur 6.65 0.98
8 Cez 21.20 eur 24.86 0.85
9 CLP Holdings 9.66 eur 14.43 0.67
10 NextEra Energy 155.61 eur 10.64 14.64
11 Exelon Corporation 39.31 eur 12.57 3.25
12 MVV Energie AG 25.20 eur 14.29 1.75
13 Hera 2458 eur 13.04 0.19

10
Tabelle 4: Stock views Consumer Cyclical- Auto Manufacturers

Nr. Stock Price P/E(TTM) EPS(TTM)

1 Linde 138.90 21.56 8.88


2 Fresenius SE AG 48.92 13.49 3.62
3 Fresenius Medical 69.56 10.80 6.34
4 MERCK 97.36 21.76 4.46
5 Beiersdorf 92.94.38 31.07 3.01
6 Vonovia SE 42.90.30 eur 8.19 5.22
7 Deutsche Telekom 15.38 eur 5.34 10.88
8 Fiat Chrysler 13.85 eur 6.98 2
9 Toyota 119.71 usd 7.37 16.25
10 Honda 27.76 usd 4.86 5.72
11 Tata 12.89 usd 104.37 0.12
12 Nissan 16.92 usd 5.12 3.30
13 Ford 9.13 usd 5.91 1.54

11