Rendement cumulé de 1 000 $ investis : Google vs Apple II

Apple a surperformé Google sur l’ensemble de la période, mais cela a pu varier sur différentes sous-périodes d’un an, si bien qu’alterner entre les deux actions aurait peut‑être donné un résultat encore meilleur.

Pour analyser cela, calculez le rendement cumulé sur des fenêtres glissantes d’un an, puis tracez ces rendements pour voir à quel moment chaque action était supérieure.

Cet exercice fait partie du cours

Manipuler des séries temporelles en Python

Afficher le cours

Instructions

Nous avons déjà importé pandas sous le nom pd et matplotlib.pyplot sous le nom plt. Nous avons aussi chargé dans data les cours de clôture de GOOG et AAPL de l’exercice précédent.

Définissez une fonction multi_period_return() qui renvoie le rendement cumulé à partir d’un tableau de rendements par période.
Calculez daily_returns en appliquant .pct_change() à data.
Créez une fenêtre .rolling() de '360D' sur daily_returns, puis .apply() multi_period_returns. Affectez le résultat à rolling_annual_returns.
Tracez rolling_annual_returns après l’avoir multiplié par 100.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import numpy
import numpy as np

# Define a multi_period_return function
def multi_period_return(period_returns):
    return ____(____)
    
# Calculate daily returns
daily_returns = ____

# Calculate rolling_annual_returns
rolling_annual_returns = ____

# Plot rolling_annual_returns

Modifier et exécuter le code