[PYTHON] Über CAGR

1. Zweck

Beschreiben Sie die CAGR und den Code zur Berechnung der CAGR.

2 Inhalt

2-1 CAGR-Formel

Für den Preis einer bestimmten Aktie sei S_0 der Aktienkurs am Basisdatum und S_n der Aktienkurs n Werktage nach dem Startdatum. Zu diesem Zeitpunkt wird die CAGR (Compound Average Growth Rate) nach der folgenden Formel berechnet.

CAGR = \biggl({\frac{S_n}{S_0}} \biggl)^{\frac{1}{years}}-1

Jahre = n / (Gesamtzahl der Handelstage in einem Jahr).

2-2 Was bedeutet CAGR?

CAGR (Annual Average Growth Rate) ist der geometrische Durchschnitt pro Jahr, der aus der Wachstumsrate über mehrere Jahre berechnet wird. Betrachten Sie beispielsweise die durchschnittliche Wachstumsrate für drei Jahre, wenn der Umsatz von 100 Millionen Yen in drei Jahren auf 160 Millionen Yen steigt. Für dieses Problem ist 160 ÷ 100 = 1,6 in 3 Jahren, dh eine Steigerung von 60%. Die Vorstellung, dass die durchschnittliche Wachstumsrate pro Jahr 60/3 = 20 und 20% beträgt, ist also falsch. Im allgemeinen Geschäftsdenken basiert die jährliche durchschnittliche Wachstumsrate auf der Idee des Zinseszinses, und wir müssen x so finden, dass 100 x (1 + x) x (1 + x) x (1 + x) = 160. Daher ist 3√1,6 = 1,1696 ... Das heißt, 17,0% ist die richtige Antwort.

Quelle: https://mba.globis.ac.jp/about_mba/glossary/detail-11621.html

2-3 zu berechnender CAGR-Code

test.py


#CAGR(Jährliche Wachstumsrate)Berechnen
def CAGR(DF):
    df = DF.copy()
    df["daily_ret"] = DF["Close"].pct_change() #Berechnen Sie die Änderungsrate ab dem Tag vor dem Schlusskurs des Aktienkurses.
    df["cum_return"] = (1 + df["daily_ret"]).cumprod() #cumprod(Gibt das kumulative Produkt aller Elemente in Skalar y zurück.
    n = len(df)/252
    CAGR = (df["cum_return"][-1])**(1/n) - 1
    return CAGR

Recommended Posts

Über CAGR
Über LangID
Über Tugenden
Über Python-Apt
Über die Erlaubnis
Über sklearn.preprocessing.Imputer
Über Gunicorn
Informationen zu den Anforderungen.txt
Über das Gebietsschema
Über Achse = 0, Achse = 1
Über den Import
Über Numpy
Über pip
Über Linux
Über numpy.newaxis
Über Endian
Über Linux
Über den Import
Über Linux
Über Linux
Über cv2.imread
Über _ und __
Über wxPython
Über Python-Slices
Über die Einschlussnotation von Python
Informationen zum Docker-Volume
[Linux] Über den Export
Über den Referenztyp
Über Twitter Scraping
Über den Test
Erfahren Sie mehr über das Programmieren
Informationen zur Anpassung von Flaschen
Über den Umfang der Variablen. .. ..
Über Python tqdm.
Über die Python-Ausbeute
Anmerkungen zu mit
Über Python, Klasse
Über lineare Modelle
Über Go-Funktionen
Über beschreiben Pandas
Über Kivy Wurzel
Informationen zum Firestore-Timeout
Informationen zur Python-Vererbung
Über Python, range ()
Über die Verwirrungsmatrix
[Linux] Über PATH
Über Python Decorator
Linux (über Gruppen)
Hinweis zu awk
Informationen zur Python-Referenz
Über Autostart von Bitnami
Über Python-Dekorateure
Über Milkcocoa SDK
Hinweise zu Pytorch
[Python] Über Multi-Prozess
Über Numpy Broadcast