Performance-Differenz gegenüber Benchmark-Index plotten

Im Video hast du gelernt, wie du die Performance-Differenz einer Aktie in Prozentpunkten relativ zu einem Benchmark-Index berechnest und plottest.

Vergleichen wir die Performance von Microsoft (MSFT) und Apple (AAPL) mit dem S&P 500 über die letzten 10 Jahre.

Diese Übung ist Teil des Kurses

<Kurs>Zeitreihen in Python bearbeiten</Kurs>

Kurs ansehen

Übungsanweisungen

Wir haben pandas bereits als pd und matplotlib.pyplot als plt importiert.

Erstelle die Liste tickers mit den beiden Aktiensymbolen.
Verwende pd.read_csv(), um 'msft_aapl.csv' und 'sp500.csv' zu importieren, erstelle für jede Datei einen DatetimeIndex aus der Spalte 'date' mit parse_dates und index_col, und weise das Ergebnis jeweils stocks bzw. sp500 zu.
Verwende pd.concat(), um stocks und sp500 entlang axis=1 zu verketten, rufe .dropna() auf, um alle fehlenden Werte zu entfernen, und weise das Ergebnis data zu.
Normalisiere data, indem du durch den ersten Preis dividierst, anschließend mit 100 multiplizierst, und weise die Ausgabe normalized zu.
Wähle tickers aus normalized aus, subtrahiere normalized['SP500'] mit dem Keyword axis=0, um die Indizes auszurichten, und plotte anschließend das Ergebnis.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Create tickers
tickers = ____

# Import stock data here
stocks = ____

# Import index here
sp500 = ____

# Concatenate stocks and index here
data = ____

# Normalize data
normalized = ____

# Subtract the normalized index from the normalized stock prices, and plot the result

Code bearbeiten und ausführen