1. Learn
    2. /
  2. Курси
    3. /
  3. Machine Learning pour la finance en Python
Connected

Вправа

Assembler les DataFrame boursiers et calculer les rendements

Notre première étape pour calculer des portefeuilles selon la modern portfolio theory (MPT) consiste à obtenir les rendements quotidiens et mensuels. À terme, nous allons extraire les meilleurs portefeuilles de chaque mois selon le ratio de Sharpe. Le plus simple est de regrouper toutes nos valeurs boursières dans un seul DataFrame, puis de rééchantillonner aux fréquences quotidienne et mensuelle. Nous avons besoin des variations de prix quotidiennes pour calculer la volatilité, que nous utiliserons comme mesure du risque.

Інструкції

100 XP
  • Assemblez lng_df, spy_df et smlv_df avec pd.concat() dans le DataFrame full_df.
  • Rééchantillonnez full_df à la fréquence Business Month Start ('BMS').
  • Obtenez la variation quotidienne en pourcentage de full_df avec .pct_change().