Gabungkan DataFrame saham dan hitung imbal hasil

Langkah pertama menuju perhitungan portofolio modern portfolio theory (MPT) adalah memperoleh imbal hasil harian dan bulanan. Pada akhirnya kita akan mencari portofolio terbaik setiap bulan berdasarkan rasio Sharpe. Cara termudah adalah menempatkan semua harga saham ke dalam satu DataFrame, lalu melakukan resampling ke kerangka waktu harian dan bulanan. Kita memerlukan perubahan harga harian untuk menghitung volatilitas, yang akan kita gunakan sebagai ukuran risiko.

Latihan ini merupakan bagian dari kursus

Machine Learning untuk Keuangan dengan Python

Lihat Kursus

Instruksi latihan

Gabungkan lng_df, spy_df, dan smlv_df menggunakan pd.concat() ke dalam DataFrame full_df.
Lakukan resampling full_df ke frekuensi Business Month Start ('BMS').
Dapatkan persentase perubahan harian dari full_df dengan .pct_change().

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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())

Edit dan Jalankan Kode