【python】【トライオートETF】ナスダックトリプル(TQQQ)に代わるボラの大きいETFはどれか？

こんにちは。こゆき（@yukilog00）です。

7/16に発表されたトライオートETFのTQQQ自動売買制限のお知らせを受けて、TQQQ以外のETFを検討している人が多いはず。
前回の記事で為替レートの月間騰落率をヒートマップ化しましたが、トライオートETFで取り扱いのあるETFでやったほうがタイムリーでは？と思い、ETFでもやってみました。

＜2021/11/7更新＞
11/6にリリースされた新銘柄（VXX、ARKK、SLV）を追加しました。

データソース
対象ETF
ソースコード（python）
- チャート表示
- ヒートマップ表示
結果
ヒートマップ一覧

データソース

前回同様、Alpha Vantageを使います。

対象ETF

対象ETFはトライオートETFで取り扱いのあるETFのうち、「TOPIX連動ETF」「日経225ETF」「日経Wｲﾝﾊﾞ」「日経ﾚﾊﾞ」以外です。
この4つはAlpha Vantageからの取得方法がわからなかったため対象外としました。(そもそもデータがないのかもしれません)

ソースコード（python）

Jupyter Notebook（python）でやります。

前回とほぼ同じですが、為替のときとはデータソース（av-daily-adjusted、av-monthly-adjusted）が違ったり調整済終値（adjusted close）を使うところだけ変更しています。

チャート表示

import pandas_datareader.data as pdd
import pandas as pd
import datetime
import calendar
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
%matplotlib inline
import numpy as np
import os

def get_firstday(year, month):
    return datetime.datetime(year, month, 1)

def get_lastday(year, month):
    return datetime.datetime(year, month, calendar.monthrange(year, month)[1])

def get_data(s_year, e_year, symbol):
    start = get_firstday(s_year, 1)
    end = get_lastday(e_year, 12)
    
    # AlphaVantageからデータ取得、APIキーは環境変数から取得
    df = pdd.DataReader(symbol, 'av-daily-adjusted', start, end, api_key=os.getenv('ALPHAVANTAGE_API_KEY'))
    df = df.dropna()
    
    return df

def fig(s_year, e_year, symbol):
    
    # API利用回数に制限があるため、一回で全量取得
    df_all = get_data(s_year, e_year, symbol)
    # Datetimeインデックスに変換
    df_all = df_all.set_index(pd.to_datetime(df_all.index))
    
    # グラフの数
    n = e_year - s_year + 1
    
    fig = plt.figure(figsize=(16, 40))
    df = {}
    ax = {}
    for year in range(s_year, e_year+1):
        df[year] = pd.DataFrame()
        df[year] = df_all[get_firstday(year, 1):get_lastday(year, 12)]
        ax[year] = fig.add_subplot(n ,1 ,year - s_year + 1)
        ax[year].plot(df[year]['adjusted close'], label=str(year))
        
        ax[year].xaxis.set_major_locator(mdates.MonthLocator(interval=1))
        ax[year].xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
        ax[year].xaxis.set_minor_locator(mdates.WeekdayLocator(interval=1))
        ax[year].grid(which='major',axis='both',color='#999999',linestyle='--')
        ax[year].set_title(str(year)+'年', loc='left', fontsize='large')
        ax[year].legend
        
    fig.suptitle(symbol+'('+str(s_year)+'-'+str(e_year)+')', fontsize=16, y=0.98)
    fig.tight_layout(rect=[0,0,1,0.98]) #グラフ同士の重なりを防ぐ、タイトルと被らないよう上2%空ける

# チャート表示
fig(2011, 2020, 'TQQQ')

import pandas_datareader.data as pdd

import pandas as pd

import datetime

import calendar

import matplotlib.pyplot as plt

import matplotlib.dates as mdates

%matplotlib inline

import numpy as np

import os

def get_firstday(year, month):

return datetime.datetime(year, month, 1)

def get_lastday(year, month):

return datetime.datetime(year, month, calendar.monthrange(year, month)[1])

def get_data(s_year, e_year, symbol):

start = get_firstday(s_year, 1)

end = get_lastday(e_year, 12)

# AlphaVantageからデータ取得、APIキーは環境変数から取得

df = pdd.DataReader(symbol, 'av-daily-adjusted', start, end, api_key=os.getenv('ALPHAVANTAGE_API_KEY'))

df = df.dropna()

return df

def fig(s_year, e_year, symbol):

# API利用回数に制限があるため、一回で全量取得

df_all = get_data(s_year, e_year, symbol)

# Datetimeインデックスに変換

df_all = df_all.set_index(pd.to_datetime(df_all.index))

# グラフの数

n = e_year - s_year + 1

fig = plt.figure(figsize=(16, 40))

df = {}

ax = {}

for year in range(s_year, e_year+1):

df[year] = pd.DataFrame()

df[year] = df_all[get_firstday(year, 1):get_lastday(year, 12)]

ax[year] = fig.add_subplot(n ,1 ,year - s_year + 1)

ax[year].plot(df[year]['adjusted close'], label=str(year))

ax[year].xaxis.set_major_locator(mdates.MonthLocator(interval=1))

ax[year].xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))

ax[year].xaxis.set_minor_locator(mdates.WeekdayLocator(interval=1))

ax[year].grid(which='major',axis='both',color='#999999',linestyle='--')

ax[year].set_title(str(year)+'年', loc='left', fontsize='large')

ax[year].legend

fig.suptitle(symbol+'('+str(s_year)+'-'+str(e_year)+')', fontsize=16, y=0.98)

fig.tight_layout(rect=[0,0,1,0.98]) #グラフ同士の重なりを防ぐ、タイトルと被らないよう上2%空ける

# チャート表示

fig(2011, 2020, 'TQQQ')

ヒートマップ表示

import pandas_datareader.data as pdd
import pandas as pd
import datetime
import calendar
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
%matplotlib inline
import numpy as np
import os

def get_firstday(year, month):
    return datetime.datetime(year, month, 1)

def get_lastday(year, month):
    return datetime.datetime(year, month, calendar.monthrange(year, month)[1])

# ここまではチャート表示と同じ

def get_data_monthly(s_year, e_year, symbol):
    start = get_firstday(s_year, 1) + datetime.timedelta(weeks=-1) # 前月の調整済み終値を使用するため、-1週
    end = get_lastday(e_year, 12)

    # AlphaVantageからデータ取得、APIキーは環境変数から取得
    df = pdd.DataReader(symbol, 'av-monthly-adjusted', start, end, api_key=os.getenv('ALPHAVANTAGE_API_KEY'))
    df = df.dropna()

    return df

import seaborn as sns
def heatmap(s_year, e_year, symbol):
    
    n = e_year - s_year + 1
    index = range(s_year, e_year+1)
    cols = ['1月','2月','3月','4月','5月','6月','7月','8月','9月','10月','11月','12月']
    
    df = get_data_monthly(s_year, e_year, symbol)
    df = df['adjusted close'].pct_change()*100       # 調整済み終値の上昇率(%)
    df = df.drop(df.index[0])                        # 上昇率計算後は不要となった前月行削除
    
    a = df.values                                    # 行列変形のために一旦ndarrayに変換
    b = np.reshape(a, (n, 12))                       # n×12の２次元配列に変形
    df2 = pd.DataFrame(b, index=index, columns=cols) # 行列変形後にpandas.DataFrameに戻す
    
    plt.figure(figsize = (15,10))
    plt.title(symbol+'騰落率('+str(s_year)+'-'+str(e_year)+')', fontsize=20)
    
    cmap = sns.diverging_palette(10, 130, n=24, as_cmap=True)
    sns.heatmap(data=df2, annot=True, cmap=cmap, vmin=-15, vmax=15)

# ヒートマップ表示
heatmap(2011, 2020, 'TQQQ')

import pandas_datareader.data as pdd

import pandas as pd

import datetime

import calendar

import matplotlib.pyplot as plt

import matplotlib.dates as mdates

%matplotlib inline

import numpy as np

import os

def get_firstday(year, month):

return datetime.datetime(year, month, 1)

def get_lastday(year, month):

return datetime.datetime(year, month, calendar.monthrange(year, month)[1])

# ここまではチャート表示と同じ

def get_data_monthly(s_year, e_year, symbol):

start = get_firstday(s_year, 1) + datetime.timedelta(weeks=-1) # 前月の調整済み終値を使用するため、-1週

end = get_lastday(e_year, 12)

# AlphaVantageからデータ取得、APIキーは環境変数から取得

df = pdd.DataReader(symbol, 'av-monthly-adjusted', start, end, api_key=os.getenv('ALPHAVANTAGE_API_KEY'))

df = df.dropna()

return df

import seaborn as sns

def heatmap(s_year, e_year, symbol):

n = e_year - s_year + 1

index = range(s_year, e_year+1)

cols = ['1月','2月','3月','4月','5月','6月','7月','8月','9月','10月','11月','12月']

df = get_data_monthly(s_year, e_year, symbol)

df = df['adjusted close'].pct_change()*100 # 調整済み終値の上昇率(%)

df = df.drop(df.index[0]) # 上昇率計算後は不要となった前月行削除

a = df.values # 行列変形のために一旦ndarrayに変換

b = np.reshape(a, (n, 12)) # n×12の２次元配列に変形

df2 = pd.DataFrame(b, index=index, columns=cols) # 行列変形後にpandas.DataFrameに戻す

plt.figure(figsize = (15,10))

plt.title(symbol+'騰落率('+str(s_year)+'-'+str(e_year)+')', fontsize=20)

cmap = sns.diverging_palette(10, 130, n=24, as_cmap=True)

sns.heatmap(data=df2, annot=True, cmap=cmap, vmin=-15, vmax=15)

# ヒートマップ表示

heatmap(2011, 2020, 'TQQQ')

結果

チャートも載せていますが、縦軸の目盛りがバラバラなのでぱっと見でボラティリティの大きさは判断できないことに注意してください。
ヒートマップの色はすべて-15%を下限、15%を上限で統一していますので、色の濃さでボラティリティの大きさがわかるようになっています。（色が濃い＝ボラが大きい）

しばらく画像が続くので、手っ取り早くヒートマップ一覧を見たい方はこちらからどうぞ。

iシェアーズ MSCI ACWI ETF【MSCIﾜｰﾙﾄﾞ】:ACWI

Direxion デイリー米国金融株ブル3倍 ETF【金融株ﾄﾘﾌﾟﾙ】：FAS

TQQQと同じく3倍レバレッジだけあって、ボラが大きい（色が濃い）です。
TQQQに次いで人気なのも納得。

iシェアーズ中国大型株 ETF【中国代表株50】：FXI

SPDR® ゴールド・シェア【SPDRｺﾞｰﾙﾄﾞ】：GLD

ウィズダムツリー・欧州・ヘッジド・エクイティ・ファンド【EU大型株ﾍｯｼﾞ】：HEDJ

iシェアーズ iBoxx 米ドル建てハイイールド社債ETF【高利回り社債】：HYG

iシェアーズラッセル1000バリューETF【大型バリュー株】：IWD

iシェアーズラッセル 2000 ETF【小型株】：IWM

iシェアーズ iBoxx米ドル建て投資適格社債ETF【投資適格社債】：LQD

パワーシェアーズ QQQ 信託シリーズ1【ﾅｽﾀﾞｯｸ100】：QQQ

SPDR ®S&P 500® ETF【S&P500ETF】：SPY

プロシェアーズウルトラS&P500®【S&P500ﾀﾞﾌﾞﾙ】：SSO

プロシェアーズウルトラプロQQQ【ﾅｽﾀﾞｯｸ100ﾄﾘﾌﾟﾙ】：TQQQ

とにかく濃い！！

WTI原油連動ETF【原油ETF】：USO

バンガード®・FTSE・エマージング・マーケッツETF【ﾊﾞﾝｶﾞｰﾄﾞ新興国株】：VWO

エネルギー・セレクト・セクター SPDR® ファンド【ｴﾈﾙｷﾞｰ株】：XLE

金融セレクト・セクター SPDR® ファンド【金融株】：XLF

資本財セレクト・セクター SPDR® ファンド【資本財株】：XLI

テクノロジー・セレクト・セクター SPDR® ファンド【ﾃｸﾉﾛｼﾞｰ株】：XLK

生活必需品セレクト・セクター SPDR® ファンド【生活必需品株】：XLP

公益事業セレクト・セクターSPDR® ファンド【公共事業株】：XLU

一般消費財セレクト・セクター SPDR® ファンド【一般消費財株】：XLY

S&P500恐怖指数連動ETN【恐怖指数ETN】：VXX

ARKイノベーションETF【破壊的イノベーション】：ARKK

iシェアーズ・シルバー・トラスト【シルバー】：SLV

ヒートマップ一覧

予想通りの結果ですが、既に人気の3倍レバレッジETF（TQQQ、FAS）はボラが大きいという結果になりました。
次いで2倍レバレッジETF（SSO）と原油ETF（USO）がボラが大きいという結果。

「ボラが大きい＝良い」ということでもないので、スプレッドが狭ければ敢えて値動きが小さいETFを狙うのもあり？

~~個人的には、今後もしレバレッジETFの自動売買が塞がれたらトライオートETF撤退でもいいかな、と思いました。~~（TQQQ自動売買継続を祈っています…！）
→新銘柄としてARKK採用など、トライオートETF、熱いですね。。！