Comparer la performance de l'indice au repère II

L'étape suivante pour analyser la performance de votre indice consiste à la comparer à un repère.

Dans la vidéo, nous avons utilisé le S&P 500 comme repère. Vous pouvez aussi utiliser le Dow Jones Industrial Average, qui regroupe les 30 plus grandes actions, et qui constitue également un repère pertinent pour les plus grandes actions de tous les secteurs sur les trois places boursières.

Cette activité fait partie du cours

Manipuler des séries chronologiques en Python

Voir le cours

Instructions de l’exercice

Nous avons déjà importé numpy sous le nom np, pandas sous le nom pd, et matplotlib.pyplot sous le nom plt pour vous. Nous avons aussi chargé votre indice et le Dow Jones Industrial Average (normalisé) dans une variable appelée data.

Inspectez data et affichez les cinq premières lignes.
Définissez une fonction multi_period_return qui prend en entrée un array numpy de rendements par période et retourne le rendement total pour la période. Utilisez la formule de la vidéo : ajoutez 1 à l'entrée, transmettez le résultat à np.prod(), soustrayez 1 et multipliez par 100.
Créez une fenêtre .rolling() de longueur '360D' à partir de data, et appliquez multi_period_return. Assignez le résultat à rolling_return_360.
Tracez rolling_return_360 en utilisant le title 'Rolling 360D Return'.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Inspect data
print(____)
print(____)

# Create multi_period_return function here
def multi_period_return(r):
    return (____) * 100

# Calculate rolling_return_360
rolling_return_360 = data.pct_change().____

# Plot rolling_return_360 here

Modifier et exécuter le code