ベンチマークとのパフォーマンス比較 II
作成したインデックスのパフォーマンスを分析する次のステップは、ベンチマークとの比較です。
動画では、ベンチマークとして S&P 500 を使用しました。ほかにも、30 銘柄からなる Dow Jones Industrial Average（ダウ工業株30種）を使うこともできます。これは、3つの取引所すべての各セクターにまたがる大型株の妥当なベンチマークにもなります。
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
numpy は np、pandas は pd、matplotlib.pyplot は plt としてすでにインポート済みです。あなたのインデックスと Dow Jones Industrial Average（正規化済み）も、data という変数に読み込んであります。
dataを確認し、先頭5行を表示してください。- 期間リターンの
numpyのarrayを受け取り、その期間のトータルリターンを返す関数multi_period_returnを定義してください。動画の式を使います。入力に 1 を足し、その結果をnp.prod()に渡してから 1 を引き、100 を掛けます。 dataから長さ'360D'の.rolling()ウィンドウを作成し、multi_period_returnを適用してください。結果をrolling_return_360に代入します。titleに'Rolling 360D Return'を指定して、rolling_return_360をプロットしてください。
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。
# Inspect data
print(____)
print(____)
# Create multi_period_return function here
def multi_period_return(r):
return (____) * 100
# Calculate rolling_return_360
rolling_return_360 = data.pct_change().____
# Plot rolling_return_360 here