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

<cours>Manipuler des séries temporelles en Python</cours>

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', 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 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