Visualiser la moyenne, la médiane et l'écart-type mensuels des rendements du S&P 500

Vous avez aussi appris à calculer plusieurs statistiques agrégées à partir de données suréchantillonnées.

Utilisons cela pour explorer l'évolution, au cours des 10 dernières années, de la moyenne, de la médiane et de l'écart-type mensuels des rendements quotidiens du S&P 500.

Cette activité fait partie du cours

Manipuler des séries chronologiques en Python

Voir le cours

Instructions de l’exercice

Comme d'habitude, nous avons importé pandas sous le nom pd et matplotlib.pyplot sous le nom plt pour vous.

Utilisez pd.read_csv() pour importer 'sp500.csv', créez un DateTimeIndex à partir de la colonne 'date' au moyen de parse_dates et index_col, affectez le résultat à sp500, puis inspectez avec .info().
Convertissez sp500 en pd.Series() avec .squeeze(), puis appliquez .pct_change() pour calculer daily_returns.
Faites un .resample() de daily_returns à la fin de mois (alias : 'M'), puis appliquez .agg() pour calculer 'mean', 'median' et 'std'. Assignez le résultat à stats.
Faites .plot() sur stats.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import data here
sp500 = ____

# Calculate daily returns here
daily_returns = ____

# Resample and calculate statistics
stats = ____

# Plot stats here

Modifier et exécuter le code