Visualiser la moyenne, la médiane et l’écart-type mensuels des rendements du S&P500

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

Utilisons cela pour explorer l’évolution, sur les 10 dernières années, de la moyenne, de la médiane et de l’écart-type mensuels des rendements quotidiens du S&P500.

Cet exercice fait partie du cours

Manipuler des séries temporelles en Python

Afficher le cours

Instructions

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', définissez un DateTimeIndex à partir de la colonne 'date' en utilisant 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.
Utilisez .resample() sur daily_returns à une fréquence de fin de mois (alias : 'M'), puis appliquez .agg() pour calculer 'mean', 'median' et 'std'. Affectez le résultat à stats.
.plot() stats.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import data here
sp500 = ____

# Calculate daily returns here
daily_returns = ____

# Resample and calculate statistics
stats = ____

# Plot stats here

Modifier et exécuter le code