Dieser Talk ist schon ein paar Monate alt, aber ich hatte vergessen, ihn hier zu veröffentlichen. Er behandelt mein Peer-reviewtes akzeptiertes Paper „Bridging the Analytics Gap: Optimizing Content Performance using Actionable Knowledge Discovery“ für die HT ’24. Das Paper kann unter Proceedings of the 35th ACM Conference on Hypertext and Social Media eingesehen werden.
Welche Visualisierung für welche Daten?
Daten, Informationen und die daraus zu ziehenden Erkenntnisse zu kommunizieren ist eine wichtige Kompetenz. Datenvisualisierungen sollen es dem Empfänger ermöglichen, Sachverhalte schneller zu verstehen, und so ist es notwendig, dass die Visualisierungsform ausgewählt wird, die das am besten ermöglicht. Auch wenn Microsoft Excel ein Tortendiagramm vorschlägt, so ist es häufig nicht die beste Option, wie man links sieht 🙂
An der Uni wie auch im Job habe ich ständig mit Datenvisualisierungen zu tun. Um die Nerven aller zu schonen, habe ich eine Übersicht gebastelt, inspiriert von der Arbeit von A. Abela:
Die Übersicht wird ständig von mir aktualisiert. Wenn Du Interesse hast, dann melde Dich bei meinem Newsletter an und erhalte sofort die Übersicht (und einmal im Monat ein Update dazu).
Reihennamen in R
Manche Datensätze nutzen Reihennamen, zum Beispiel der in R enthaltene Datensatz mtcars:
Das ist zwar praktisch, aber suboptimal, wenn man zum Beispiel Autos nach Marken sortieren will. Wie kann man Reihennamen in eine Spalte konvertieren, zum Beispiel mit dem Tidyverse? Ganz einfach:
library(tidyverse)
# mtcars laden und die Reihenamen in eine Spalte verschieben
mtcars_tidy <- mtcars %>%
rownames_to_column(var = "car_name")Das Ergebnis sieht dann so aus:
estateguru: Hohe Gebühren, wenn man nicht investiert
estateguru hatte dieses Jahr angekündigt, dass man 10€ Gebühr nimmt für einen Inactive Account, und zwar pro Monat! Auf der Preisliste sieht das so aus:
Die Gelder auf Ihrem Lemonway-Konto können ausschließlich für Ihre Transaktionen auf der Estateguru-Plattform verwendet werden. Da es sich um ein zweckgebundenes Konto handelt, sollte es nicht zur Einzahlung von Geldern ohne Investitionsabsicht verwendet werden. Da inaktive Konten Estateguru Kosten verursachen, wird eine Konteninaktivitätsgebühr von Nutzern erhoben, die zwar Geld auf ihren Konten eingezahlt, aber in den letzten 12 Monaten keine neuen Investitionen auf dem Erst- oder Zweitmarkt getätigt. Ab April 2023 wurde die Gebühr für inaktive Konten für das erste Jahr nach dem 12-monatigen Inaktivitätszeitraum auf 10 EUR pro Monat erhöht und wird danach auf 50 EUR pro Monat steigen. Die Gebühr wird monatlich erhoben, falls das inaktive Nutzerkonto einen positiven Saldo aufweist. Sobald der Nutzer eine Investition tätigt, sei es auf dem Erst- oder Zweitmarkt, wird der Status des Kontos wieder auf aktiv gesetzt und es fällt keine weitere Gebühr an. (Quelle)
Wahrscheinlich bin ich nicht der einzige, der versucht sein Geld nach und nach abzuziehen, denn bei mir ist der Großteil des Investments nun ausgefallen:
Fairerweise muss ich dazu sagen, dass ich schon die Hälfte des zuvor investierten Geldes abgezogen habe. Anscheinend habe ich nun ein Jahr ohne Investment erreicht, denn nun wurden auch bei mir 10€ abgezogen. Unschön. Ich hatte versucht, eine automatisierte Investmentstrategie zu aktivieren, die ab 500€ auf dem Konto anspringt, so dass ich zumindest von Zeit zu Zeit etwas von meinem Geld „retten“ kann, aber das hat anscheinend nichts genützt. So kann man seine Kunden natürlich auch zu etwas zwingen.
Für mich bedeutet das, dass ich dann gezwungenermaßen ein Mal im Jahr etwas investieren werde und dann nach und nach mein Geld abziehe. Dauert dann etwas länger, aber ok. Empfehlen kann ich estateguru nun auf keinen Fall mehr.
Überschneidungen von ETFs in einem UpSet-Diagramm visualisieren
Heute kommen mal zwei für mich spannende Themen zusammen, nämlich Datenanalyse- und visualisierung sowie Finanzen. Die Wahl der richtigen ETFs füllt unzählige Internetseiten und Finanzmagazin-Artikel, spannend ist hierbei aber auch, welche Überschneidungen ETFs haben. Verglichen hatte ich schon mal den Vanguard FTSE All-World High Dividend Yield UCITS ETF USD Distributing (ISIN: IE00B8GKDB10) und den iShares STOXX Global Select Dividend 100 UCITS (ISIN: DE000A0F5UH1). Ich hatte auch schon die Performance verglichen von diesen beiden und dem VanEck Morningstar Developed Markets Dividend Leaders ETF (NL0011683594) und einem MSCI World ETF (IE00B4L5Y983).
„Überschneidungen von ETFs in einem UpSet-Diagramm visualisieren“ weiterlesenDividendenstrategien: Verpasste Chancen?
Vorab: Dies ist keine Finanzberatung oder -empfehlung!
Der Artikel „When Chasing More Dividends Leaves You With Less“ aus dem Wall Street Journal (WSJ) von Jason Zweig (der übrigens die Kommentare zum Intelligent Investor geschrieben hat) beleuchtet die Attraktivität und die damit verbundenen Risiken von Dividendenstrategien. Anleger, die auf hohe Dividendenrenditen setzen, hoffen oft auf ein regelmäßiges Einkommen, insbesondere in Zeiten niedriger Zinsen. Doch wie der Artikel aufzeigt, kann die Jagd nach hohen Dividenden langfristig die Rendite schmälern. Das Problem tritt auf, wenn Anleger blind auf Fonds setzen, die extrem hohe Dividendenrenditen bieten.
„Dividendenstrategien: Verpasste Chancen?“ weiterlesenExport vom ING-Depot: CSV ist nicht gleich CSV
Depotstudent Dominik hat bereits einen guten Einblick gegeben, wie man Daten aus dem ING-Depot über den Umweg ExtraETF exportieren kann. Allerdings kann nicht jedes Tool mit dem CSV-Export etwas anfangen. DivvyDiary zum Beispiel hat zwar die relevanten Spalten sofort erkannt, aber die Bestände passten nicht. Der Grund dafür ist, dass CSV-Dateien sehr unterschiedlich sein können und auch die Daten darin. Manchmal sind die Spalten nicht durch ein Komma getrennt, sondern durch ein Semikolon. Und der Unterschied zwischen 1,000.00 und 1.000,00 ist für uns marginal, aber für DivvyDiary war aus einer 1000 eine 1 geworden, weil das Tausender-Trennzeichen als Nachkommazeichen gewertet wurde.
Die Lösung: So ungern ich mit Excel arbeite, aber wenn man die CSV-Datei in Excel öffnet und dann wieder als CSV speichert, dann kommt auch DivvyDiary (und viele andere Tools) damit klar.
Der Vorteil von ETFs mit Domizil Irland… manchmal
Vorab: Dies ist keine Finanzberatung! Keine Gewähr.
Bei der Auswahl von ETFs spielen verschiedene Faktoren eine Rolle, darunter auch steuerliche Aspekte. Im letzten Artikel ging es darum, was die Teilfreistellung bedeutet. Interessant sind aber auch die steuerlichen Unterschiede zwischen ETFs mit unterschiedlichen Domizilen und Anteilen an US-Aktien. In diesem Artikel geht es um zwei konkrete und populäre ETFs, und auch wenn beide US-Aktien beinhalten, heißt das nicht, dass der ETF in Irland unbedingt für höhere Renditen sorgt.
„Der Vorteil von ETFs mit Domizil Irland… manchmal“ weiterlesenNeues Tool für eine Dividenstrategie
Einige Tools im Netz bieten die Möglichkeit, dass man sieht, wie viele Dividenden wohl auf einen zukommen werden. extraETF bietet zum Beispiel ein Tool, bei dem man sehen kann, wie die Dividenden aussehen könnten bei einer angenommenen Wachstumsrate (CAGR) und einer bestimmten Anzahl von Jahren und Vermögenszuwächsen.
Was ich bisher nicht gesehen habe, ist ein Tool, das von einem Portfolio ausgehend mit einer angenommenen CAGR und Dividendenrendite sowie einer weiteren Bespannung das Dividendenwachstum berechnet und auch noch die Steuern inkludiert. Genau so ein Tool habe ich geschrieben.
ggplot2 und die neue Pipe
Warum funktioniert dieser Code nicht?
mtcars |> ggplot(., aes(x = mpg, y = hp)) + geom_point()Das Problem mit dem oben genannten Code liegt in der Verwendung des Pipe-Operators (|>), direkt vor ggplot. ggplot2 wird nicht nativ mit der R-spezifischen Pipe (|>) unterstützt, wie hier verwendet. Allerdings funktioniert ggplot2 nahtlos mit dem Magrittr-Pipe (%>%) aus dem dplyr-Paket. Hier ist die korrekte Verwendung:
library(ggplot2)
library(dplyr)
mtcars %>%
ggplot(aes(x = mpg, y = hp)) +
geom_point()Alternativ müssen die Daten explizit in ggplot übergeben werden, wie hier:
library(ggplot2)
mtcars |>
ggplot(data = ., aes(x = mpg, y = hp)) +
geom_point()Hier stellt der Punkt (.) die Daten dar, die von mtcars in ggplot gepiped werden, und Sie müssen ihn als data-Argument in der ggplot-Funktion spezifizieren.