S&P500リターンの月次平均・中央値・標準偏差を可視化する
アップサンプリングしたデータから、複数の集約統計量を計算する方法も学びました。
これを使って、過去10年間のS&P500の日次リターンにおける月次の平均・中央値・標準偏差がどのように推移してきたかを見てみましょう。
この演習はコースの一部です
Pythonでの時系列データ操作
演習の手順
いつも通り、pandasはpd、matplotlib.pyplotはpltとしてインポート済みです。
pd.read_csv()で'sp500.csv'を読み込み、parse_datesとindex_colを使って'date'列を基にDateTimeIndexを設定し、結果をsp500に代入して.info()で確認します。.squeeze()でsp500をpd.Series()に変換し、.pct_change()を適用してdaily_returnsを計算します。daily_returnsを月末頻度（エイリアス：'M'）に.resample()し、.agg()で'mean'、'median'、'std'を計算します。結果をstatsに代入します。statsを.plot()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。
# Import data here
sp500 = ____
# Calculate daily returns here
daily_returns = ____
# Resample and calculate statistics
stats = ____
# Plot stats here