dude, tee nüüd githubi integratsioon ka kärmelt ära https://resources.github.com/whitepapers/github-and-rstudio/

Tõmbame indeksifondide viimase kahe aasta andmed pensionikeskusest.

algkuup <- "02.05.2017" 
loppkuup <- "20.05.2019"
fond1 = 73 #LHV Indeks
fond2 = 74 #Swed K99-00
fond3 = 75 #SEB Indeks
fond4 = 77 #Tuleva Maailma Aktsiad

Kui palju siis indeksifondide tootlused kõiguvad? Tavaline osakuhinna graafik näeb välja selline:

Ilma kogenud graafikulugeja-statistiku kogemuseta on siiski sellise joone pealt väga raske midagi välja lugeda fondi riskantsuse kohta. Vaatame korraks selle inimese pilguga, kes kord kuus oma pensionikontot vaatab.

Lisaks graafikutele võib statistika-pakettide abil ka igasuguseid numbreid välja arvutada. Pensionikeskus arvutab näiteks standardhälvet:

## # A tibble: 4 x 2
## # Groups:   Lühinimi [4]
##   Lühinimi   sd.1
##   <fct>     <dbl>
## 1 SWK99    0.0243
## 2 LIK75    0.0293
## 3 SIK75    0.0241
## 4 TUK75    0.0253

Võib vaadata ka, kui palju maksimaalne langus on fondidel olnud (tipust põhja ehk drawdown)

## # A tibble: 4 x 2
## # Groups:   Lühinimi [4]
##   Lühinimi maxDrawdown.1
##   <fct>            <dbl>
## 1 SWK99           0.0915
## 2 LIK75           0.0869
## 3 SIK75           0.0844
## 4 TUK75           0.0800

Mõnikord soovitavad pankade müügimehed, et tasub oma riske hajutada ning jagada oma II samba vara mitme fondi vahel. Proovime, kas see aitab riski vähendada, kui jagame oma raha võrdselt 4 fondi vahel. Ei vähenda.

wts <- c(0.25, 0.25, 0.25, 0.25)
portfelli.kuised.tootlused <- nav1.kuised.tootlused %>%
    tq_portfolio(assets_col  = Lühinimi, 
                 returns_col = monthly.returns, 
                 weights     = wts)

portfelli.kuised.tootlused %>%
  tq_performance(Ra = portfolio.returns,
                 performance_fun = sd)

## # A tibble: 1 x 1
##     sd.1
##    <dbl>
## 1 0.0254

portfelli.kuised.tootlused %>%
  tq_performance(Ra = portfolio.returns,
                 performance_fun = maxDrawdown)

## # A tibble: 1 x 1
##   maxDrawdown.1
##           <dbl>
## 1        0.0855

Riski aitab vähendada ainult üks asi - tuleb osa portfellist panna riskivabadesse võlakirjadesse. Näiteks kui pool oma II samba varast Tuleva aktsiafondi indeksifondi ja pool Tuleva võlakirjafondi, on tulemus selline. Risk vähenes poole võrra.

## # A tibble: 1 x 1
##     sd.1
##    <dbl>
## 1 0.0130

## # A tibble: 1 x 1
##   maxDrawdown.1
##           <dbl>
## 1        0.0369

Aga paraku teenib pool portfellist nüüd võlakirjade tootlust, ehk napilt üle 0% aastas ja sellega on koguportfelli tootlus ka langenud poole peale. Ei ole tootlust ilma riskita. (kood veel lisamata)

Mõni pensionifond väidab siiski, et nemad suudavad aktiivse juhtimisega riski vähendada nii, nagu investor seda ise ei suuda. Kuna eelpool nägime kuidas tootlusest loobudes saab igaüks riski lihtsalt vähendada, siis eeldan, et aktiivselt juhitavad pensionifondid püüavad riski vähendada nii, et tootlus ei lange. Vaatame nt Eesti suurima fondi Swedbank K3 riskitaset. Tundub, et üsna sarnane meie eelmises näites tehtud 50/50 portfellile:

## # A tibble: 1 x 1
##     sd.1
##    <dbl>
## 1 0.0125

## # A tibble: 1 x 1
##   maxDrawdown.1
##           <dbl>
## 1        0.0456

Aga kas fondijuht saavutas ka parema tootluse tänu aktiivsele riskijuhtimisele? (kood lisamata)

nav3.kuised.tootlused %>%
    ggplot(aes(x = Kuupäev, y = monthly.returns)) +
    geom_bar(stat = "identity") +
    geom_hline(yintercept = 0, color = palette_light()[[1]]) +
    scale_y_continuous(labels = scales::percent) +
    labs(title = "Aktiivse fondi kuised tootlused",
         y = "Kuised tootlused", x = "") + 
    #facet_wrap(~ Lühinimi, ncol = 2) +
    theme_tq() + 
    scale_fill_tq()

Siia lõppu võiks veel ühele graafikule kõik kokku panna.