リターンを評価する

次に、ポートフォリオの選択結果が SPY への投資と比べてどのようなパフォーマンスを示すか確認しましょう。R\(^2\) の値が低くても、予測結果が有望かどうかを見極めるために行います。

初期投資額を1000ドルに設定し、予測結果と SPY それぞれのリターンをループ処理します。ポートフォリオ選択と SPY の月次リターンを初期残高に適用することで、月ごとの投資状況を把握できます。そして、予測結果全体と SPY のパフォーマンスを比較します。最後に、予測に基づくポートフォリオをグラフにプロットして SPY と比較しましょう。

この演習はコースの一部です

Python による金融のための Machine Learning

コースを見る

演習の手順

algo_cash と spy_cash の両方のリストの最初の要素を、同じ金額（cash）に設定します。
test_returns のループ内で、cash に 1 + r を掛けてリターンを cash に反映します。
test_returns のループと同様に、SPY パフォーマンスのループ内でも 1 + r を掛けた後に cash を spy_cash に追加します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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])

コードを編集して実行