Evaluar rentabilidades
Ahora vamos a ver cómo se comportaría nuestra selección de cartera en comparación con invertir simplemente en el SPY. Haremos esto para comprobar si nuestras predicciones son prometedoras, a pesar del bajo valor de R\(^2\).
Estableceremos un valor inicial para nuestra inversión de $1000 y luego iteraremos por las rentabilidades de nuestras predicciones y por las del SPY. Usaremos las rentabilidades mensuales de nuestra selección de cartera y del SPY y las aplicaremos a nuestro saldo de efectivo inicial. Con esto obtendremos una visión mes a mes de cómo va nuestra inversión, y podremos ver cómo se comportaron nuestras predicciones en conjunto frente al SPY. Después, trazaremos nuestra cartera a partir de las predicciones y la compararemos con el SPY.
Este ejercicio forma parte del curso
Machine Learning para finanzas con Python
Instrucciones del ejercicio
- Establece la primera entrada de ambas listas,
algo_cashyspy_cash, al mismo importe (cash). - Multiplica
cashen nuestro bucle detest_returnspor1 + rpara aplicar las rentabilidades a nuestrocash. - Igual que en el bucle de
test_returns, en el bucle de rendimiento del SPY, añadecashaspy_cashdespués de multiplicar por1 + rpara sumar las rentabilidades acash.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# 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])