GAFA、AMD、Nvidia、Shopifyの株価上昇率を比較

GAFAの株価が凄いことになっています。先月、GAFAの株式時価総額が、日本株全体の時価総額を上回ってしまったというニュースが話題になりました。2015年6月に、もし、GAFAの株を買っていたらどれくらいのリターンが期待できたのかを、他のアメリカを代表するIT企業(AMD、インテル、NVidia、マイクロソフト、IBM)を買った場合のリターンと比較してみました。閑話休題、日本の株価は、日銀と年金資金が買いまくって上昇しただけのインチキ株価なので、GAFAの株価とは全く比較対象になりません。日銀とGPIFが日本を代表する多くの企業の筆頭株主になってしまっているという、本来は絶対にあってはならない異常事態に陥ってしまっていること、そしてそれが如何に深刻な大問題であるかということを、全ての日本人が真剣に考える時期に来ているかもしれません。

contents
スポンサーリンク

GAFAとその他のIT企業の株価

今回は、2015年の7月27日に株を買い、それ以降に売った場合にどれくらいのリターンを得ることができたのかを、GAFAを含む主要12社を比較してみました。

import numpy as np
import pandas as pd
import plotly.graph_objs as go
import plotly.express as px
from plotly.offline import plot,iplot
import datetime
import matplotlib.pyplot as plt
from pandas_datareader import data as pdr
import yfinance as yf

%matplotlib inline

アップル、ネットフリックス、フェースブック、ツイッター、アマゾン、グーグル、インテル、AMD、マイクロソフト、ショッピファイ、エヌビディア、IBMの株価データを抽出します。

tickers = (['AAPL','NFLX','FB','TWTR','AMZN','GOOGL',
            'INTC','AMD','MSFT','SHOP',"NVDA","IBM"])
yf.pdr_override()
start = datetime.datetime(2015, 5, 22)
end = datetime.datetime(2021, 9, 24)

def get(tickers, start, end):
    def data(ticker):
        return (pdr.get_data_yahoo(ticker, start=start, end=end))
    datas = map(data, tickers)
    return(pd.concat(datas, keys=tickers, names=['Ticker', 'Date']))
               
d = get(tickers, start, end)
c = d[['Close']].reset_index()
startyear = datetime.datetime(2015, 7, 27)
b = c[c['Date']>=startyear]
b.reset_index(inplace=True)
f = pd.pivot_table(b, index='Date', columns='Ticker', values = 'Close')
f.head(3)
Ticker AAPL AMD AMZN FB GOOGL IBM INTC MSFT NFLX NVDA SHOP TWTR
Date
2015-07-27 30.692499 1.62 531.409973 94.169998 658.270020 159.070007 28.350000 45.349998 106.430000 4.8275 32.869999 34.700001
2015-07-28 30.844999 1.77 526.030029 95.290001 659.659973 160.050003 28.959999 45.340000 106.900002 4.9325 34.060001 36.540001
2015-07-29 30.747499 1.96 529.000000 96.989998 661.429993 161.089996 29.010000 46.290001 107.080002 4.9925 34.160000 31.240000
g = f.iloc[0,:]
f = (f.divide(g, axis=1))-1
f.reset_index(inplace=True)
f.head()
Ticker Date AAPL AMD AMZN FB GOOGL IBM INTC MSFT NFLX NVDA SHOP TWTR
0 2015-07-27 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
1 2015-07-28 0.004969 0.092593 -0.010124 0.011893 0.002112 0.006161 0.021517 -0.000220 0.004416 0.021750 0.036203 0.053026
2 2015-07-29 0.001792 0.209877 -0.004535 0.029946 0.004800 0.012699 0.023280 0.020728 0.006107 0.034179 0.039246 -0.099712
3 2015-07-30 -0.003258 0.191358 0.010068 0.011044 0.009555 0.011882 0.019753 0.033738 0.048201 0.036769 0.160024 -0.093084
4 2015-07-31 -0.011974 0.191358 0.008920 -0.001699 -0.001170 0.018357 0.021164 0.029769 0.074039 0.033144 0.137511 -0.106340
スポンサーリンク

12社のリターンをグラフ化

米主要12社のリターンをグラフ化します。

from random import choices as rcs
data = []
col = ['AAPL','NFLX','FB','TWTR','AMZN','GOOGL',
'INTC','AMD','MSFT','SHOP',"NVDA","IBM"]
date = f['Date']
colors = rcs(list((px.colors.qualitative.Pastel+ \
px.colors.qualitative.Pastel1+ \
px.colors.qualitative.Pastel2 )),k=12)
for j, i in enumerate(col):
a = go.Scatter(
x = date,
y = f[i],
mode = 'lines',
line=dict(color = colors[j]),
name = i,
hovertemplate = 'Return : %{y} (%{x} )',
text = date)
data.append(a)
layout = dict(autosize=False,width=820, height=800
, title = 'Share Price Returns'
, title_font=dict(size=24, family='Courier', color='black')
, barmode = 'group'
, hovermode= 'x'
, yaxis=dict(title='Returns',tickformat=".1%",title_font=dict(size=22)
,tickfont=dict(size=20))
, xaxis=dict(title='Date',title_font=dict(size=22),tickfont=dict(size=20))
, legend=dict(x=-.001,y=1,font=dict(size=21,color='white'),bgcolor='black')
, legend_orientation="v"
, hoverlabel=dict(font=dict(size=21))
, plot_bgcolor='black'
)
fig = go.Figure(data=data, layout=layout)
plot(fig,show_link=False,filename="aa.html",include_plotlyjs=False)

AMDのリターンが突出しています。2015年の安値1.62ドルから今年高値の119ドルまで上昇したわけですから当然と言えば当然の結果です。shopifyは一見spotifyのように見えますが、全く違う会社です。2015年6月の段階で、IBM、インテル、マイクロソフト、GAFAではなく、AMDやNVIDIAを買える人間になりたいと強く思う今日この頃です。

スポンサーリンク
スポンサーリンク

コメント