Une DataFrames de acciones y calcula rendimientos
El primer paso para calcular carteras con la teoría moderna de carteras (MPT) es obtener los rendimientos diarios y mensuales. Al final, vamos a obtener las mejores carteras de cada mes según el ratio de Sharpe. La forma más sencilla es reunir todos los precios de las acciones en un único DataFrame y luego remuestrearlos a frecuencias diaria y mensual. Necesitamos los cambios diarios de precio para calcular la volatilidad, que usaremos como medida de riesgo.
Este ejercicio forma parte del curso
Machine Learning para finanzas con Python
Instrucciones del ejercicio
- Une
lng_df,spy_dfysmlv_dfconpd.concat()en el DataFramefull_df. - Remuestrea
full_dfa frecuencia de inicio de mes laborable ('BMS'). - Obtén el cambio porcentual diario de
full_dfcon.pct_change().
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Join 3 stock dataframes together
full_df = pd.concat(____, axis=1).dropna()
# Resample the full dataframe to monthly timeframe
monthly_df = full_df.resample(____).first()
# Calculate daily returns of stocks
returns_daily = ____
# Calculate monthly returns of the stocks
returns_monthly = monthly_df.pct_change().dropna()
print(returns_monthly.tail())