SBI証券の結果、4時過ぎに張り出されたから見たところ、保有資産 約50万円プラス
驚いた、約40万かなと思ってたから。
本日の値動きです。
先ずは、ドル建て主要指数
NASDAQ100、S＆P500、オルカン、どれも値を下げてるね
元気なのは、ドル円のみ
円建てに直すと、下記の通り、ドル円上昇に助けられた結果です。
下の図、チャートに上から
NASDAQ100、S＆P500、オルカン、ドル円の順です。
ところで、マーケットキャップって、何か知ってる？
僕も初めて聞いたんだけど、日本語に直せば時価総額だそうよ
では、時価総額って何？
って、グーグルに聞いたら、
「時価総額 = 株価 × 発行済株式数」
と明確なお答え
GAFAMのマーケットキャップってどれくらい？
はい、プロットしてみました
最近、じじい、やることスピードアップしてきました 笑
乗ってる証拠やね 笑
アマゾンとグーグルが同じくらい
アップルが一番だと思ってたけど、マイクロソフトが抜いたんかな？
METAはFACEBOOKのことね
プログラムはこちら
株式のデータベースには、最新のマーケットキャップ情報が含まれるから、それを取ってきて表示するだけ
実行場所は、いつものグーグルコラボ
---------------------------
# GAFAMのマーケットキャップを取得してチャートにするコードを作成
import yfinance as yf
import pandas as pd
import matplotlib.pyplot as plt
# GAFAMのティッカーシンボルリスト
tickers = ["GOOGL", "AAPL", "META", "AMZN", "MSFT"]
# 最新の終値を格納するためのディクショナリ
market_caps = {}
# 各企業の市場価値（マーケットキャップ）を取得
for ticker in tickers:
stock = yf.Ticker(ticker)
market_caps[ticker] = stock.info['marketCap']
# データフレームに変換
market_caps_df = pd.DataFrame(list(market_caps.items()), columns=['Company', 'MarketCap'])
# マーケットキャップを降順でソート
market_caps_df.sort_values('MarketCap', ascending=False, inplace=True)
# チャートを描画
plt.figure(figsize=(10, 6))
plt.bar(market_caps_df['Company'], market_caps_df['MarketCap'], color=['blue', 'green', 'red', 'purple', 'orange'])
plt.title('Market Capitalization of GAFAM Stocks')
plt.xlabel('Company')
plt.ylabel('Market Capitalization (USD)')
plt.yscale('log') # マーケットキャップの大きさの違いを考慮してログスケールを使用
plt.grid(True)
plt.show()
---------------------------
次だけど、S＆P500はここ50年の平均年利10%ってよく言われるじゃない
本当かなと思ったのと
1.1の掛け算だったら、指数関数的に伸びるから、
対数目盛り（ログスケール）だったら、直線になるの？
の２点が気になって検証してみました
先ずは、ログスケールでS＆P500株価をプロット（直近30年間）
50にしたければ、自分でプログラム変えてみて
start_date = (pd.Timestamp.now() - pd.DateOffset(years=30)).strftime('%Y-%m-%d')
この30を50に変えるだけ
ちょう簡単
２０００年までと、２０１０年から現在までは、それとなくまっすぐかなって感じ
あと、2000年までは今より傾斜は急だから、リターンも高かったんだね
2000年から2009年、ここは話になんない、なんとも不幸（不景気）な時代
ただ、投資するにはお勧めな時期
何でかって？
だって、お安く買えるから
みんな、値上がりしている時に、それに乗っかろうとするけど、
利益でいうと、薄いな
株価があがんない、どん底の時は、投資なんてダメ、って思う人多いけどね、実は違うんだな
下がって、落ち込んでる時が、一番の買い時
超優良株 S＆P５００とかに限ってだけどね
個別株は、上がんない場合もあるし、判断が難しいところ
但し、お高いように見えても、単調に増加する場合はちょっと違って、下がるのを待てば待つほど、投資時期が遅れるから機会損失が発生
その兼ね合いをどう取るか
これはね、たぶん一種の賭けみたいなもの
正解は無いと思う、だいぶ考えたけどね
あと、その時の時流も読まなきゃいけない
だから、今の僕で言ったら、年間の投資可能額の1/3はドルコスト平均で毎月入れて
残りは、タイミングを見ていきます
じじい、離婚で自宅処分した金、たっぷり残ってるんよ 笑
投資可能額にもよるから、何が正解かは、何とも言えないけどね
そこまで計算できない（もしくは、時間を取れない）人は
ドルコスト平均で毎月決まった額を投資するのがお勧めかな
プログラムはこちら
------------------------
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import yfinance as yf
# Download S&P 500 data for the last 30 years
start_date = (pd.Timestamp.now() - pd.DateOffset(years=30)).strftime('%Y-%m-%d')
end_date = pd.Timestamp.now().strftime('%Y-%m-%d')
data = yf.download('^GSPC', start=start_date, end=end_date)
# Plotting
plt.figure(figsize=(14, 7))
plt.plot(data.index, data['Adj Close'], label='S&P 500', color='blue')
plt.yscale('log')
plt.xlabel('Year')
plt.ylabel('Adjusted Close (Log Scale)')
plt.title('S&P 500 Stock Price (Log Scale) - Last 30 Years')
plt.legend()
plt.grid(True, which="both", ls="--")
plt.show()
------------------------
で、この30年じゃなく、
2010年から2023年末までの１４年間の割と真っ直ぐそうなところの平均年利を調べてみました。
上の図で、ほぼ直線と言ったけど、その傾きに相当するもの
結果がこちら
14年間で株価は、４.2倍
つまり、S&P500に、例えば１千万入れといて、１４年間塩漬けにすると
4千２百万
利益を下さずに、全てを再投資に振り向けた場合ね
金持ちが、より金持ちになる理由の一つは、これなんだよ
今のような世の変動が割と少ない時代は、貧富の差が広がりやすいんだけど
余ったお金を運用に回せるかどうか、それだけの資産があるかどうかは、大事なポイントだね
で、最後の式だけど
4.2 ** (1/14)
は、4.2の1/14乗の意味
つまり、14回掛け算したら、4.2になる数字の計算式です
ということで、
1.108
はい、
平均年利、10.8%が回答です。
不幸な時代は除いて、ここ14年間でみた場合、
10%じゃなく、およそ、年利11%だね
S＆P500に投資すると、7年で2倍、平均年利、およそ11%
これは覚えておいた方が良いかな
オルカンは？って
それは、知りません（計算しようとも思わない）
今までの結果だったら、３％、４％低かったから、8%とか、７%とかそんなもんじゃない 笑
くまごろう、アンチ・オルカンだからね 笑