Visualisasikan rerata bulanan, median, dan simpangan baku dari imbal hasil S&P500

Anda juga telah mempelajari cara menghitung beberapa statistik agregat dari data yang di-upsample.

Mari gunakan ini untuk menelusuri bagaimana rerata, median, dan simpangan baku bulanan dari imbal hasil harian S&P500 berubah dalam 10 tahun terakhir.

Latihan ini merupakan bagian dari kursus

Memanipulasi Data Deret Waktu di Python

Lihat Kursus

Instruksi latihan

Seperti biasa, kami telah mengimpor pandas sebagai pd dan matplotlib.pyplot sebagai plt untuk Anda.

Gunakan pd.read_csv() untuk mengimpor 'sp500.csv', tetapkan DateTimeIndex berdasarkan kolom 'date' menggunakan parse_dates dan index_col, simpan hasilnya ke sp500, lalu inspeksi dengan .info().
Konversi sp500 menjadi pd.Series() menggunakan .squeeze(), dan terapkan .pct_change() untuk menghitung daily_returns.
.resample() daily_returns ke frekuensi akhir bulan (alias: 'M'), lalu terapkan .agg() untuk menghitung 'mean', 'median', dan 'std'. Simpan hasilnya ke stats.
.plot() stats.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Import data here
sp500 = ____

# Calculate daily returns here
daily_returns = ____

# Resample and calculate statistics
stats = ____

# Plot stats here

Edit dan Jalankan Kode