Monatlichen Mittelwert, Median und Standardabweichung der S&P500-Renditen visualisieren

Du hast auch gelernt, wie man mehrere aggregierte Kennzahlen aus hochabgetasteten Daten berechnet.

Nutzen wir das, um zu untersuchen, wie sich der monatliche Mittelwert, Median und die Standardabweichung der täglichen S&P500-Renditen in den letzten 10 Jahren entwickelt haben.

Diese Übung ist Teil des Kurses

Zeitreihen in Python bearbeiten

Kurs anzeigen

Anleitung zur Übung

Wie üblich haben wir pandas als pd und matplotlib.pyplot als plt für dich importiert.

Verwende pd.read_csv(), um 'sp500.csv' zu importieren, setze mit parse_dates und index_col einen DateTimeIndex basierend auf der Spalte 'date', weise das Ergebnis sp500 zu und inspiziere es mit .info().
Wandle sp500 mit .squeeze() in eine pd.Series() um und wende .pct_change() an, um daily_returns zu berechnen.
.resample() daily_returns auf eine Monatsendfrequenz (Alias: 'M') und wende .agg() an, um 'mean', 'median' und 'std' zu berechnen. Weise das Ergebnis stats zu.
.plot() stats.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import data here
sp500 = ____

# Calculate daily returns here
daily_returns = ____

# Resample and calculate statistics
stats = ____

# Plot stats here

Code bearbeiten und ausführen