Jährliche Rendite-Korrelationen mehrerer Aktien

Im Video hast du gesehen, wie man Korrelationen berechnet und das Ergebnis visualisiert.

In dieser Übung stellen wir dir die historischen Aktienkurse von Apple (AAPL), Amazon (AMZN), IBM (IBM), WalMart (WMT) und Exxon Mobile (XOM) für die letzten 4.000 Handelstage von Juli 2001 bis Ende Mai 2017 bereit.

Du berechnest die Jahresendrenditen, die paarweisen Korrelationen zwischen allen Aktien und visualisierst das Ergebnis als annotierte Heatmap.

Diese Übung ist Teil des Kurses

<Kurs>Zeitreihen in Python bearbeiten</Kurs>

Kurs ansehen

Übungsanweisungen

pandas ist bereits als pd, seaborn als sns und matplotlib.pyplot als plt importiert. Die täglichen Schlusskurse der fünf Aktien sind in der Variablen data geladen.

Inspiziere die Daten mit .info().
Wende .resample() mit Jahresendfrequenz (Alias: 'A') auf data an und wähle den .last()-Kurs aus jeder Teilperiode; weise das Ergebnis annual_prices zu.
Berechne annual_returns, indem du .pct_change() auf annual_prices anwendest.
Berechne correlations, indem du .corr() auf annual_returns anwendest, und gib das Ergebnis aus.
Visualisiere correlations als annotierte sns.heatmap().

Interaktive praktische Übung

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

# Inspect data here
print(____)

# Calculate year-end prices here
annual_prices = ____

# Calculate annual returns here
annual_returns = ____

# Calculate and print the correlation matrix here
correlations = ____
print(____)

# Visualize the correlations as heatmap here

Code bearbeiten und ausführen