Evaluasi imbal hasil

Sekarang mari kita lihat bagaimana kinerja pemilihan portofolio kita dibandingkan dengan hanya berinvestasi di SPY. Kita lakukan ini untuk melihat apakah prediksi kita menjanjikan, meskipun nilai R$^2$ rendah.

Kita akan menetapkan nilai awal investasi sebesar $1000, lalu melakukan perulangan melalui imbal hasil dari prediksi kita serta dari SPY. Kita akan menggunakan imbal hasil bulanan dari pemilihan portofolio kita dan SPY, lalu menerapkannya pada saldo kas awal. Dari sini kita akan mendapatkan gambaran bulanan tentang kinerja investasi kita, dan kita dapat melihat bagaimana kinerja prediksi kita secara keseluruhan dibandingkan SPY. Selanjutnya, kita dapat memplot portofolio dari prediksi kita dan membandingkannya dengan SPY.

Latihan ini merupakan bagian dari kursus

Machine Learning untuk Keuangan dengan Python

Lihat Kursus

Instruksi latihan

Tetapkan entri pertama daftar algo_cash dan spy_cash ke jumlah yang sama (cash).
Kalikan cash dalam perulangan test_returns dengan 1 + r untuk menerapkan imbal hasil pada cash.
Seperti pada perulangan test_returns, dalam perulangan kinerja SPY, tambahkan cash ke spy_cash setelah mengalikan dengan 1 + r untuk menambahkan imbal hasil ke cash.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Calculate the effect of our portfolio selection on a hypothetical $1k investment
cash = 1000
algo_cash, spy_cash = [cash], ____  # set equal starting cash amounts
for r in test_returns:
    cash *= 1 + r
    algo_cash.append(cash)

# Calculate performance for SPY
cash = 1000  # reset cash amount
for r in returns_monthly['SPY'].iloc[train_size:]:
    cash ____ ____
    ____

print('algo returns:', (algo_cash[-1] - algo_cash[0]) / algo_cash[0])
print('SPY returns:', (spy_cash[-1] - spy_cash[0]) / spy_cash[0])

Edit dan Jalankan Kode