Traçage de rendements consécutifs d'un portefeuille
La régression vers la moyenne est également un concept important en matière d'investissement. Vous allez examiner ici les rendements annuels des investissements dans les entreprises de l'indice Standard and Poor 500 (S&P 500) en 2018 et 2019.
L'ensemble de données « sp500yearlyreturns » contient trois colonnes :
| variable | signification |
|---|---|
| symbole | Symbole boursier identifiant de manière unique l'entreprise. |
| return_2018 | Mesure de la performance des investissements en 2018. |
| return_2019 | Mesure de la performance des investissements en 2019. |
Un chiffre positif pour le rendement signifie que l'investissement a pris de la valeur ; un chiffre négatif signifie qu'il a perdu de la valeur.
Tout comme pour les home runs au baseball, une prévision naïve pourrait être que la performance de l'investissement reste la même d'une année à l'autre, se situant sur la ligne y = x.
sp500_yearly_returns est disponible sous forme de DataFrame pandas.
Cet exercice fait partie du cours
Introduction à la régression avec statsmodels en Python
Instructions
- Créez une nouvelle figure,
fig, pour activer la superposition des tracés. - Générez une droite y = x. Ceci a été fait pour vous.
- En utilisant
sp500_yearly_returns, tracez un nuage de points dereturn_2019en fonction dereturn_2018avec une droite de tendance linéaire, sans ruban d’erreur standard. - Réglez les axes pour que les distances le long des axes x et y aient la même échelle visuelle.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Create a new figure, fig
fig = plt.____
# Plot the first layer: y = x
plt.axline(xy1=(0,0), slope=1, linewidth=2, color="green")
# Add scatter plot with linear regression trend line
sns.____(____)
# Set the axes so that the distances along the x and y axes look the same
plt.____(____)
# Show the plot
plt.show()