Aufzeichnung der aufeinanderfolgenden Portfolio-Renditen
Die Regression zum Mittelwert ist auch ein wichtiges Konzept beim Investieren. Hier siehst du die jährlichen Renditen von Investitionen in Unternehmen aus dem Standard and Poor 500 Index (S&P 500) in den Jahren 2018 und 2019.
Der Datensatz sp500_yearly_returns
enthält drei Spalten:
variabel | Bedeutung |
---|---|
symbol | Börsenkürzel, das das Unternehmen eindeutig identifiziert. |
return_2018 | Ein Maß für die Investitionsleistung im Jahr 2018. |
return_2019 | Ein Maß für die Investitionsleistung im Jahr 2019. |
Eine positive Zahl für die Rendite bedeutet, dass die Investition an Wert gewonnen hat; eine negative bedeutet, dass sie an Wert verloren hat.
Genau wie bei Baseball-Home Runs könnte eine naive Vorhersage sein, dass die Investitionsleistung von Jahr zu Jahr gleich bleibt und auf der Linie y gleich x liegt.
sp500_yearly_returns
ist als pandas
DataFrame verfügbar.
Diese Übung ist Teil des Kurses
Einführung in die Regression mit statsmodels in Python
Anleitung zur Übung
- Erstelle eine neue Figur,
fig
, um das Plot-Layering zu aktivieren. - Erstelle eine Linie, bei der y gleich x ist. Das haben wir für dich getan.
- Zeichne mit
sp500_yearly_returns
ein Streudiagramm vonreturn_2019
gegenreturn_2018
mit einer linearen Regressionstrendlinie ohne Standardfehlerband. - Stelle die Achsen so ein, dass die Abstände entlang der x- und y-Achse gleich aussehen.
Interaktive Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Create a new figure, fig
fig = plt.____
# Plot the first layer: y = x
plt.axline(xy1=(0,0), slope=1, linewidth=2, color="green")
# Add scatter plot with linear regression trend line
sns.____(____)
# Set the axes so that the distances along the x and y axes look the same
plt.____(____)
# Show the plot
plt.show()