अनुमानित बनाम वास्तविक कीमतें II
विभिन्न यील्ड स्तरों पर ड्यूरेशन का उपयोग करके बॉन्ड की अनुमानित कीमतें प्लॉट करना, फिर इन अनुमानित कीमतों की बॉन्ड की वास्तविक कीमतों से तुलना करना, ड्यूरेशन की शुद्धता को विज़ुअलाइज़ करने का एक बढ़िया तरीका है.
पिछले अभ्यास में, आपने बॉन्ड की ड्यूरेशन निकाली थी और हर यील्ड स्तर पर वास्तविक बॉन्ड कीमतों वाला एक DataFrame बनाया था. इस अभ्यास में, आप इस DataFrame में ड्यूरेशन के आधार पर अनुमानित बॉन्ड कीमतों वाले कॉलम जोड़ेंगे, फिर अनुमानित कीमत और वास्तविक कीमत के बीच का अंतर प्लॉट करेंगे.
numpy, numpy_financial, pandas, और matplotlib आपके लिए क्रमशः np, npf, pd, और plt के रूप में पहले से इम्पोर्ट किए गए हैं, साथ ही पिछले अभ्यास का कोड भी उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में बॉन्ड वैल्यूएशन और एनालिसिस
अभ्यास निर्देश
yield_changeकॉलम जोड़ें, जिसमें वर्तमान यील्ड से मूल यील्ड घटाई जाए.price_changeकॉलम जोड़ें, जिसमें डॉलर ड्यूरेशन से अनुमानित बॉन्ड प्राइस बदलाव हो.predicted_priceकॉलम जोड़ें, जिसमें मूल बॉन्ड प्राइस और प्राइस बदलाव को जोड़ा जाए.- एक ही axes पर बॉन्ड यील्ड के मुकाबले वास्तविक कीमतें और अनुमानित कीमतें प्लॉट करें, और प्लॉट दिखाएँ.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Add a column called yield_change with the current yield minus original yield
bond['yield_change'] = (bond['bond_yield'] - ____)
# Find the predicted bond price change using dollar duration then find predicted price
bond['price_change'] = -100 * ____ * bond['yield_change'] / 100
bond['predicted_price'] = ____ + bond['price_change']
# Plot bond yields against predicted and actual prices, add labels, legend, and display
plt.plot(bond['bond_yield'], bond['price'])
plt.plot(____, ____)
plt.xlabel('Yield (%)')
plt.ylabel('Price (USD)')
plt.legend(["Actual Price", "Predicted Price"])
____