Tracer l’écart de performance par rapport à l’indice de référence

Dans la vidéo, vous avez appris à calculer et tracer l’écart de performance d’une action, en points de pourcentage, par rapport à un indice de référence.

Comparons maintenant les performances de Microsoft (MSFT) et Apple (AAPL) à celles du S&P 500 sur les 10 dernières années.

Cet exercice fait partie du cours

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

Voir le cours

Instructions de l’exercice

Nous avons déjà importé pandas sous le nom pd et matplotlib.pyplot sous le nom plt.

Créez la liste tickers contenant les deux symboles boursiers.
Utilisez pd.read_csv() pour importer 'msft_aapl.csv' et 'sp500.csv', en créant un DatetimeIndex pour chacun à partir de la colonne 'date' avec parse_dates et index_col, puis affectez le résultat à stocks et sp500, respectivement.
Utilisez pd.concat() pour concaténer stocks et sp500 le long de axis=1, appliquez .dropna() pour supprimer toutes les valeurs manquantes et affectez le résultat à data.
Normalisez data en le divisant par le premier prix, multipliez le tout par 100 et affectez la sortie à normalized.
Sélectionnez tickers depuis normalized, puis soustrayez normalized['SP500'] avec le paramètre axis=0 pour aligner les index, et tracez le résultat.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create tickers
tickers = ____

# Import stock data here
stocks = ____

# Import index here
sp500 = ____

# Concatenate stocks and index here
data = ____

# Normalize data
normalized = ____

# Subtract the normalized index from the normalized stock prices, and plot the result

Modifier et exécuter le code