स्टॉक DataFrames को जोड़ें और रिटर्न्स निकालें
Modern portfolio theory (MPT) पोर्टफोलियो की गणना के लिए हमारा पहला कदम दैनिक और मासिक रिटर्न्स निकालना है. आगे चलकर हम Sharpe ratio के आधार पर हर महीने के बेहतरीन पोर्टफोलियो पाएँगे. इसका सबसे आसान तरीका यह है कि हम सभी स्टॉक प्राइस एक ही DataFrame में रखें, फिर उन्हें daily और monthly टाइम फ्रेम में resample करें. वोलैटिलिटी निकालने के लिए हमें दैनिक प्राइस बदलाव चाहिए, जिसे हम जोखिम के माप के रूप में उपयोग करेंगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Finance के लिए Machine Learning
अभ्यास निर्देश
pd.concat()का उपयोग करकेlng_df,spy_df, औरsmlv_dfको जोड़करfull_dfDataFrame बनाएँ.full_dfको Business Month Start ('BMS') फ़्रीक्वेंसी पर resample करें..pct_change()सेfull_dfका दैनिक प्रतिशत बदलाव निकालें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Join 3 stock dataframes together
full_df = pd.concat(____, axis=1).dropna()
# Resample the full dataframe to monthly timeframe
monthly_df = full_df.resample(____).first()
# Calculate daily returns of stocks
returns_daily = ____
# Calculate monthly returns of the stocks
returns_monthly = monthly_df.pct_change().dropna()
print(returns_monthly.tail())