【Python】投資リスクの計算方法｜ファイナンス理論の基礎

はじめに

今回の記事では、投資リスクの計算方法について解説したいと思います。

投資リスクとは、いったい数式ではどのように表すのでしょうか？ということについて解説していきたいと思います。

この記事のゴール

投資リスクの計算方法

投資のリスクは、投資利益率の標準偏差で表します。

標準偏差がわからない方は、以下の記事を参考にしてみてください。

開発環境

今回は、Jupyter Notebookで計算をしていきます。Jupyter Notebookのインストール方法等がわからない方は、こちらを参考にしてみてください。Anacondaをインストールすることで、Jupyter Notebookも合わせてインストールすることが可能です。

pandas_datareaderだけは、Anacondaには含まれていないので、こちらは、別途インストールしてください。

インストール方法は、以下のコマンドを入力することで可能です。

• Mac：ターミナル
• Windows：コマンドプロンプト

pip install pandas_datareader

以下のライブラリをインポートします。

• numpy
• pandas
• pandas_datareader
• matplotlib

import numpy as np
import pandas as pd
from pandas_datareader import data as wb
import matplotlib.pyplot as plt

株価の取得

今回は、以下二社の2013年から現在までの株価を取得し、リターンとリスクを算出してみましょう。

• P&G
• Apple

tickers = ['PG', 'AAPL']

sec_data = pd.DataFrame()

for t in tickers:
    sec_data[t] = wb.DataReader(t, data_source='yahoo', start='2013-1-1')['Adj Close']

リターンとリスクの算出

標準偏差は求めた値を年率換算（年間での変化率を計算）して使うのが一般的です。

具体的には、日次、週次、月次騰落率から計測した標準偏差について、1年＝250（営業日）＝52（週）＝12（月）の各250、52、12の平方根を掛けた値が年率換算値になります。

ここで大切なのが、それぞれの平方根を掛け合わせるということです。

これは、ランダム・ウォークの考え方に基づき、標準偏差の2乗（分散）が計測期間の長さに比例して大きくなるという前提の元で、計算しているためです。

returns = np.log(sec_data / sec_data.shift(1))
returns[['PG', 'AAPL']].mean() * 250#年間リターン

実行結果は以下です。

• PG 0.110953
• AAPL 0.260057
• dtype: float64

sec_returns[['PG', 'AAPL']].std() * 250 ** 0.5#年間のリスク

実行結果は以下です。

• PG 0.181806
• AAPL 0.286277
• dtype: float64

すると、PGはリターンは少ないが、リスクも少ない。一方で、アップルは、リターンは大きいがリスクが大きいということがわかります。

まとめ

今回の記事では、投資リスクの計算方法について解説しました。

ポイントは、以下です。

• 年率換算するには、１日値のリターンの標準偏差に250の平方根を掛け合わせる（１日あたりのリターンから算出する場合）

Pythonをもっと勉強したいという方は、以下を参考にしてみてください。私が、勉強に使っている本や勉強方法などを解説しています。

ファイナンス理論に関しては、以下の記事を参照ください。

今回の記事は、以上です。

最後までお読みいただきありがとうございました。