Unisci i DataFrame dei titoli e calcola i rendimenti

Il primo passo per calcolare portafogli secondo la modern portfolio theory (MPT) è ottenere i rendimenti giornalieri e mensili. In seguito troveremo i portafogli migliori di ogni mese in base allo Sharpe ratio. Il modo più semplice è inserire tutti i nostri prezzi azionari in un unico DataFrame, quindi effettuare un resampling alle frequenze giornaliera e mensile. Ci servono le variazioni di prezzo giornaliere per calcolare la volatilità, che useremo come misura del rischio.

Questo esercizio fa parte del corso

Machine Learning per la finanza in Python

Visualizza corso

Istruzioni dell'esercizio

Unisci lng_df, spy_df e smlv_df usando pd.concat() nel DataFrame full_df.
Esegui il resampling di full_df alla frequenza Business Month Start ('BMS').
Ottieni la variazione percentuale giornaliera di full_df con .pct_change().

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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())

Modifica ed esegui il codice