Indicadores de desempeño#

#!pip install yfinance

import yfinance as yf
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import statsmodels.api as sm

# Quitar advertencias (warming):
import warnings

warnings.filterwarnings("ignore")

# Descargar acciones: KO, TSLA, WMT y FDX.

# Definir qué acciones descargar y las fechas:
stocks = ["KO", "TSLA", "WMT", "FDX"]
start = "2019-12-01"  # Fecha inicial para descargar
end = "2025-01-01"  # Fecha final para descargar

# Descargar los datos desde Yahoo Finance: datos mensuales.
data = yf.download(["KO", "TSLA", "WMT", "FDX"], start=start, end=end, interval="1mo")[
    "Close"].dropna()

# Descargar el índice bursátil:
index = yf.download("^GSPC", start=start, end=end, interval="1mo")["Close"]

# Cálculo de los rendimientos: mensuales.
returns_stocks = data.pct_change().dropna()
returns_index = index.pct_change().dropna()

# Rendimientos esperados:
returns_stocks_mean = returns_stocks.mean()
returns_index_mean = returns_index.mean()

# Volatilidades: mensuales
volatility = returns_stocks.std()
volatility_index = returns_index.std()

# Correlaciones:
correlation = returns_stocks.corr()
correlation_index = returns_index.corr()

# Juntar rendimientos acciones con índice:
returns = pd.concat([returns_stocks, returns_index], axis=1)
returns.columns = ["FDX", "KO", "TSLA", "WMT", "Índice"]

# Correlaciones:
correlation = returns.corr()

# Coeficientes Betas (otra forma):
betas = []
for stock in stocks:
    X = returns_index
    y = returns_stocks[stock]
    X = sm.add_constant(X)
    model = sm.OLS(y, X).fit()
    betas.append(model.params[1])

betas = pd.Series(betas, index=stocks)

# Métricas:

# Descargar la tasa libre de riesgo (rendimiento de los T-Bills a 3 meses)
t_bill_rate_data = yf.download("^IRX", start=start, end=end, interval="1mo")[
    "Close"].dropna()
# La tasa viene en porcentaje, la convertimos a decimal
t_bill_rate = t_bill_rate_data / 100

# Rendimiento esperado anual de Rf:
Rf = t_bill_rate.mean()

# Rf mensual:
Rf = (1 + Rf) ** (1 / 12) - 1

# CAPM:
CAPM = Rf.values + betas * (returns_index_mean.values - Rf.values)

# Agregar nombres a CAPM:
# CAPM = [f"{stock}: {capm:.2f}" for stock, capm in zip(stocks, CAPM)]

# Indicador Sharpe:
sharpe_ratio = (returns_stocks_mean - Rf.values) / volatility

# Indicador Treynor:
treynor_ratio = (returns_stocks_mean - Rf.values) / betas

# Indicador Alfa de Jensen:
jensen_alpha = (returns_stocks_mean - Rf.values) - betas * (
    returns_index_mean.values - Rf.values
)

[*******************100%*********************]  4 of 4 completed
[*******************100%*********************]  1 of 1 completed
[*******************100%*********************]  1 of 1 completed

Rendimientos:

  • FDX: 1,72% mensual.

  • KO: 0,6% mensual.

  • TSLA: 6,7% mensual.

  • WMT: 1,7% mensual.

  • Índice S&P 500: 1,14% mensual.

Volatilidades:

  • FDX: 10,4% mensual.

  • KO: 5,6% mensual.

  • TSLA: 22,2% mensual.

  • WMT: 5,6% mensual.

  • Índice S&P 500: 5,3% mensual.

Coeficientes Betas:

  • FDX: 1,21

  • KO: 0,62.

  • TSLA: 2,30.

  • WMT: 0,54.

Tasa libre de riesgo: 0,18% mensual.

CAPM:

  • FDX: 1,3% mensual.

  • KO: 0,8% mensual.

  • TSLA: 2,4% mensual.

  • WMT: 0,7% mensual.

Sharpe:

  • FDX: 0,15.

  • KO: 0,08.

  • TSLA: 0,29.

  • WMT: 0,27.

Indicador Treynor:

  • FDX: 0,013.

  • KO: 0,007.

  • TSLA: 0,028.

  • WMT: 0,027.

Indicador Alfa de Jensen:

  • FDX: 0,4%.

  • KO: -1,6%.

  • TSLA: 4,3%

  • WMT: 1%.

# Verificar cantidad de datos:
print("Cantidad de datos acciones: ", data.shape)
print("Cantidad de datos índice: ", index.shape)

# Rendimientos esperados:
print("\n Rendimientos esperados acciones: ", returns_stocks_mean)
print("\n Rendimientos esperados índice: ", returns_index_mean)

# Volatilidades:
print("\n Volatilidades acciones: ", volatility)
print("\n Volatilidades índice: ", volatility_index)

# Correlaciones:
print("\n Correlaciones acciones e índice: \n", correlation)

print("\n Coeficientes Beta de las acciones:")
for stock, beta in betas.items():
    print(f"{stock}: {beta:.2f}")

# Tasa libre de riesgo: mensual
print("\n Tasa libre de riesgo mensual:", Rf)

# CAPM:
print("\n CAPM: \n", CAPM)

# Indicador Sharpe:
print("\n Indicador Sharpe: \n", sharpe_ratio)

# Indicador Treynor:
print("\n Indicador Treynor: \n", treynor_ratio)

# Indicador Alfa de Jensen:
print("\n Indicador Alfa de Jensen: \n", jensen_alpha)

Cantidad de datos acciones:  (61, 4)
Cantidad de datos índice:  (61, 1)

 Rendimientos esperados acciones:  Ticker
FDX     0.017206
KO      0.006138
TSLA    0.066933
WMT     0.016674
dtype: float64

 Rendimientos esperados índice:  Ticker
^GSPC    0.011397
dtype: float64

 Volatilidades acciones:  Ticker
FDX     0.103973
KO      0.056112
TSLA    0.221557
WMT     0.055845
dtype: float64

 Volatilidades índice:  Ticker
^GSPC    0.0525
dtype: float64

 Correlaciones acciones e índice:
              FDX        KO      TSLA       WMT    Índice
FDX     1.000000  0.433639  0.328563  0.291799  0.612571
KO      0.433639  1.000000  0.135087  0.347328  0.581084
TSLA    0.328563  0.135087  1.000000  0.269969  0.545652
WMT     0.291799  0.347328  0.269969  1.000000  0.511169
Índice  0.612571  0.581084  0.545652  0.511169  1.000000

 Coeficientes Beta de las acciones:
KO: 0.62
TSLA: 2.30
WMT: 0.54
FDX: 1.21

 Tasa libre de riesgo mensual: Ticker
^IRX    0.001797
dtype: float64

 CAPM:
 KO      0.007759
TSLA    0.023903
WMT     0.007017
FDX     0.013443
dtype: float64

 Indicador Sharpe:
 Ticker
FDX     0.148207
KO      0.077363
TSLA    0.293992
WMT     0.266397
dtype: float64

 Indicador Treynor:
 FDX     0.012702
KO      0.006990
TSLA    0.028286
WMT     0.027360
dtype: float64

 Indicador Alfa de Jensen:
 FDX     0.003763
KO     -0.001621
TSLA    0.043030
WMT     0.009657
dtype: float64