Vyhodnocení výnosů

Pojďme se teď podívat, jak by si naše sestavené portfolio vedlo v porovnání s investicí do SPY. Tím ověříme, jestli jsou naše předpovědi slibné – i přes nízkou hodnotu R$^2$.

Nastavíme počáteční hodnotu investice na 1 000 $, a pak projdeme výnosy z našich předpovědí i ze SPY. Použijeme měsíční výnosy z výběru portfolia a SPY a aplikujeme je na počáteční hotovost. Získáme tak měsíční přehled o tom, jak se investice vyvíjí, a uvidíme, jak si naše předpovědi celkově stojí oproti SPY. Nakonec portfolio z předpovědí vykreslíme a porovnáme ho s SPY.

Toto cvičení je součástí kurzu

Machine Learning for Finance in Python

Zobrazit kurz

Pokyny k cvičení

Nastav první prvek v seznamech algo_cash i spy_cash na stejnou hodnotu (cash).
Ve smyčce přes test_returns vynásob cash výrazem 1 + r, aby se výnosy promítly do cash.
Stejně jako ve smyčce pro test_returns – ve smyčce pro výkonnost SPY připoj cash do spy_cash po vynásobení hodnotou 1 + r, čímž přičteš výnosy k cash.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Calculate the effect of our portfolio selection on a hypothetical $1k investment
cash = 1000
algo_cash, spy_cash = [cash], ____  # set equal starting cash amounts
for r in test_returns:
    cash *= 1 + r
    algo_cash.append(cash)

# Calculate performance for SPY
cash = 1000  # reset cash amount
for r in returns_monthly['SPY'].iloc[train_size:]:
    cash ____ ____
    ____

print('algo returns:', (algo_cash[-1] - algo_cash[0]) / algo_cash[0])
print('SPY returns:', (spy_cash[-1] - spy_cash[0]) / spy_cash[0])

Upravit a spustit kód