Risikosympathie

Korrelation Aktien-Depot

Hallo Risikofreunde,

es ist so weit. In diesem Artikel geht es um die Korrelation eures Aktien-Depots.

Doch warum überhaupt? Was sagt die Korrelation aus?

Die Korrelation sagt uns, wie sehr sich die Aktien, Fonds und ETF´s (Börsengehandelte Fonds) in unserem Depot in eine gemeinsame Richtung bewegen.
Hierfür verwende ich die Spanne 0 bis 1.
0 = keine Korrelation; 0.55 = durchschnittliche Korrelation; 1 = extrem starke Korrelation.

Im Rahmen der Risikokontrolle und Risikoverteilung macht es Sinn, das wir unsere Portfolios nicht nur auf einen Schwerpunkt oder zwei Schwerpunkte ausrichten. Es sollte zu diesen ein Gegengewicht oder gar einen Kern mit breiter Aufteilung auf verschiedene Sektoren und Länder geben. Wir kennen das in ähnlicher Form aus dem Fonds-Umfeld und wird „Core-Satellite“ Strategie genannt.

Doch wie finden wir heraus, ob trotz sorgfältiger Auswahl unserer Aktien eine möglichst geringe Korrelation besteht?
Besteht der Kern (Core) aus dem MSCI World + MSCI ACWI (= plus Schwellenländer), haben wir es natürlich einfach, denn damit investieren wir in >70% aller an den Börsen gelisteten Unternehmen.

Wenn ihr genau wie ich den MSCI World und ACWI jedoch allenfalls als Benchmark nutzt, ist diese Anleitung und meine paar Zeilen Python-Code genau das Richtige um die Korrelation eures Depots herauszufinden.

So in etwa wird dann die fertige Heatmap aussehen:

Los gehts 😉

Schritt 1:
Der erste Schritt beginnt mit vielen Möglichkeiten, von welchen ich zwei vorstellen möchte.

Erste Möglichkeit:
Wir installieren Anaconda.
Anaconda ist ein wunderbares Data Science Toolkit, das lokal auf dem PC installiert wird.

Link: Anaconda

Zweite Möglichkeit:
Wir legen ein Google Konto an oder nutzen unser bestehendes Konto, um sich bei Colab einzuloggen.
Colaboratory (Colab) von Google Research ist nicht so umfangreich wie Anaconda, kann aber schnell genutzt werden und bietet den Vorteil, das einige Python-Bibliotheken bereits integriert sind. Nachteil dabei: Sind diese nicht integriert, müssen wir sie bei jeder neuen Session auch neu installieren. Eventuell ist dies bei der Pro-Version anders, wer es weiß bitte in die Kommentare schreiben 🙂

Link: Colaboratory

Schritt 2:
Ihr macht einen Upload von meiner Jupyter-Notebook Datei. Diese findet ihr hier zum Download -> ogy.de/7hom

Anaconda:

  1. In Anaconda „jupyter Notebook“ per Klick auf den Button „Launch“ öffnen.
  1. Die Jupyter-Notebook Datei ( ) hochladen. Die meisten von euch finden Sie nach dem Download im Ordner „Downloads“ wieder.

Colab:

  1. Reiter Datei -> Notebook hochladen klicken

Glückwunsch. Damit seid ihr nun schon ziemlich weit und es sollte bei euch in etwas so aussehen (Beispiel Anaconda):

Schritt 3:

Sobald wir den Code nun ausführen bekommen wir zunächst eine Menge Fehlermeldungen (bzw. bei Colab nur eine davon).

Diese Fehlermeldungen sagen uns das die Python-Bibliotheken nicht installiert sind.

Vorgehen Anaconda:

  1. In Anaconda „Powershell Promt“ per Klick auf den Button „Launch“ öffnen.
  1. Folgende Befehle nacheinander ausführen:
    conda install pandas
    conda install seaborn
    conda install numpy
    conda install matplotlib
    pip install yfinance

„conda“ ist der Package Installer für Anaconda
„pip“ ist der Package Installer für Python

Sollte der letzte Befehlt „pip install yfinance“ bei euch nicht funktionieren, dann installiert bitte die Programmiersprache Python manuell. Downlaod unter python.org

Vorgehen Colab:

  1. In einer neuen Codezeile (Klick auf + Code unterhalb des Menü „Datei“) folgendes ausführen:
    pip install yfinance

Zwischendrin wird eine Fehlermeldung angezeigt, das nicht alle Abhängigkeiten zu anderen Bibliotheken/Packages geklärt werden konnten, es funktioniert aber trotzdem.

Herzlichen Glückwunsch. Ihr habt es geschafft 😉

Nun könnt auch Ihr loslegen, die WKN´s oder ISIN´s (ich empfehle die WKN´s) eurer Aktien rauszusuchen und damit in Yahoo!Finance zu suchen, um das Kürzel eurer Aktien herauszufinden. Das Kürzel tragt ihr noch ins Array „Aktienliste“ ein und mit diesem letzten Schritt seid ihr fertig. Entsprechende Tipps hierzu habe ich euch als Kommentare direkt in das Jupyter Notebook über der jeweiligen Code-Zeile geschrieben.

Viel Spaß damit und lieben Dank fürs Lesen.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert