Value Investing (Heute: "Stock Stability")

Published March 12, 2020, 12:36 p.m. by finsteininvest

Photo by Jp Valery on Unsplash

Was ist Value Investing?


Value Investing (auch wertorientiertes Anlegen) ist eine Anlagestrategie bzw. ein Investment-Stil, bei der Kauf- und Verkaufsentscheidungen für Wertpapiere vorwiegend unter Bezugnahme auf den realwirtschaftlichen Gegenwert der Anlagen, den so genannten inneren Wert (engl. intrinsic value) getroffen werden. Das heißt, dass sich Kauf- bzw. Verkaufsentscheidungen bezüglich Aktien am Verhältnis des aktuellen Preises zum Wert, also der Relation Preis/Wert, orientieren. Der Investitionsansatz ist folglich der Fundamentalanalyse zugehörig. Dadurch unterscheidet sich Value Investing grundlegend von Investmentstrategien, die auf technischer Analyse und Momentum beruhen und damit zumeist nur die bisherige Entwicklung des Marktpreises (Kurses) des Investments im Zeitverlauf betrachten oder sich schlicht nach der Nachrichtenlage richten (Noise Trading). Empirische Studien zeigen, dass mit sogenannten Style-Investments, wie dem Value Investing, risikoadjustierte Überrenditen im Vergleich zu einem Marktindex (z. B. dem DAX) erzielt werden können. Interessant für einen Anleger ist bei der Beurteilung einer speziellen Value-Investing-Strategie deren Implikation für die Aktienrendite und das Risiko (z. B. die Volatilität der Rendite).



Als Begründer und Vater des Value Investing gilt der US-amerikanische Wirtschaftswissenschaftler und Investor Benjamin Graham (1894–1976), der zusammen mit David Dodd 1934 das Buch Security Analysis veröffentlichte, welches noch heute als Standardwerk des Value Investing gilt.[2] Ein wichtiges Konzept des Buches ist die sogenannte Sicherheitsmarge (englisch margin of safety), welche die Differenz zwischen dem inneren Wert (auch als intrinsischer oder fairer Wert bezeichnet) eines Wertpapiers und dessen Marktpreis darstellt. Diese Sicherheitsmarge dient der Risiko­begrenzung und dem Kapitalerhalt des Investors. Deswegen ist ein Value Investor nur bereit, für ein Wertpapier weniger als dessen inneren Wert zu bezahlen, weil daraus eine positive Sicherheitsmarge resultiert. Je größer die Sicherheitsmarge ist, desto geringer ist das Risiko für den Investor. Während der Marktwert sich aus Angebot und Nachfrage ergibt, wird der innere Wert mit Hilfe der Fundamentalanalyse ermittelt.



Diese grundlegende These des Value Investing wurde durch Investoren wie Warren Buffett und Peter Lynch und die von ihnen oder über sie verfassten Bücher zunehmend bekannter.



Quelle: Wikipedia (Aufgerufen: 05. März 2020, 08:00)


Den folgenden Baum habe ich aus dem Buch »Brodersen, Stig. Warren Buffett Accounting Book: Reading Financial Statements for Value Investing (Warren Buffett's 3 Favorite Books Book 2)« abgeleitet.

Value Investing Tree

Stable Stock

In diesem Beitrag werde ich ausschliesslich "Stock Stability" mit Python in Angriff nehmen.

Stable Stock

Und das gestaltet sich mit FMP erstaunlich einfach!

|----------------------|----------------------|-----------------------------------------------------------------------|
| Parameter benötigt | Parameter in API | API |
|----------------------|----------------------|-----------------------------------------------------------------------|
| EPS | EPS | https://financialmodelingprep.com/api/v3/financials/income-statement/ |
| ROE | ROE | https://financialmodelingprep.com/api/v3/company-key-metrics/ |
| Dividend | Dividend per Share | https://financialmodelingprep.com/api/v3/financials/income-statement/ |
| Book Value per share | Book Value per Share | https://financialmodelingprep.com/api/v3/company-key-metrics/ |
|----------------------|----------------------|-----------------------------------------------------------------------|

Am Ende dieser (wahrscheinlich langen) Artikelserie soll ein Programm vorgestellt werden, dass nach Value Aktien suchen soll. Aber für heute geht es nur darum für eine Aktie diese Werte auszulesen und zu prüfen "wie stabil" die Werte sind. Die Frage ist, wie kann man "stabil" messen? Einen Ansatz gibt es mit dem Zephyr K - Ratio. Kurz gefasst: Zur Ermittlung dieser Kenzahl wird eine Linie durch die Kurse angeleget (lineare Regression) und die Abweichung der Kurse von dieser Idealline betrachtet. Die Zahl alleine betrachtet bringt wenig und ist eher hilfreich, wenn man eine Auswahl treffen muss.

Aber: Aber Zähler und Nenner können isoliert betrachten werden. Der Nenner misst wie stark die Kurse von der Ideallinie abweichen. Der Zähler, die Steigung dieser Idealline. Was gesucht ist, ist ein grosser Zähler und ein kleiner Nenner.

Die Berechnung ist mit scipy ein Einzeiler.

Bevor es los geht, müssen der Code aus Git kopiert werden:

Aus Github brauchen wir die Datei "fmp.py"

Vorher aber bitte noch Wie Du mein Code zum laufen bekommst-> anschauen.

Jetzt ab auf die Kommandozeile

Als Beispiel schaue ich mal die "Stabilität" von "Henry Schein Inc" an. Quelle: List of best stocks according stable profit growth

Python aufrufen und dann:

import fmp
import pandas as pd

df = fmp.get_historic_roe('HSIC')
df
ROE
date
2009-12-26 0.144
2010-12-25 0.1351
2011-12-31 0.1512
2012-12-29 0.1485
2013-12-28 0.1549
2014-12-27 0.1657
2015-12-26 0.1661
2016-12-31 0.1814
2017-12-30 0.1445
2018-12-29 0.181

fmp.get_slope_error(df)
(0.0037175757575757576, 0.0012934939265834835)

Das ist wirklich stabil! Hinweis: ROE 0.144 = 14.4%
Zwar keine Steigung (0.0037) aber dafür ist die Abweichung von der Ideallinie extrem gering: 0.00129

Was bietet fmp.py sonst noch an? Auf jeden Fall können die Werte für EPS, ROE, Dividend und Book value per share abgerufen werden.

DESCRIPTION
Sammlung von Funktionen, um
Daten von financialmodelingprep
herunterzuladen.

Erstellt: 1. März 2020
Erweitert: 12. März 2020

https://finsteininvest.pythonanywhere.com/
https://github.com/finsteininvest/pythonwilltrade/tree/master/fmp

Nutzt: https://financialmodelingprep.com/

FUNCTIONS
get_book_value_per_share(symbol, debug=False)
Retrieves a dataframe for book value per share
for a given symbol.

Index is set to date

get_historic_dividend(symbol, debug=False)
Retrieves a dataframe for dividends
for a given symbol.

Index is set to date

get_historic_eps(symbol, debug=False)
Retrieves a dataframe for eps
for a given symbol.

Index is set to date

get_historic_roe(symbol, debug=False)
Retrieves a dataframe for ROE
for a given symbol.

Index is set to date

get_historic_values(symbol, type, debug=False)
Retrieves a dataframe for historic values
for a given symbol and type.

Index is set to date.

Possible type(s)
- empty = stock
- index/
- crypto/

get_slope_error(df)
Calculates slope and error for
a dataframe.
Dataframe should have date as index and
the values to use in column 0.

Returns a tuple for slope and stderr.

get_symbols_list(debug=False)
Retrieves a dataframe of available
symbols, symbol name, latest quote (price)
and exchange
from the site.
Columns are:
symbol, name, price, exchange
Index is set to symbol