Vergelijk indexprestaties met benchmark II

De volgende stap in het analyseren van de prestaties van je index is het vergelijken met een benchmark.

In de video hebben we de S&P 500 als benchmark gebruikt. Je kunt ook de Dow Jones Industrial Average gebruiken, die de 30 grootste aandelen bevat en ook een redelijke benchmark is voor de grootste aandelen uit alle sectoren van de drie beurzen.

Deze oefening maakt deel uit van de cursus

Tijdreeksgegevens manipuleren in Python

Cursus bekijken

Oefeninstructies

We hebben numpy als np, pandas als pd en matplotlib.pyplot als plt al voor je geïmporteerd. We hebben ook je index en de (genormaliseerde) Dow Jones Industrial Average ingeladen in een variabele data.

Inspecteer data en print de eerste vijf rijen.
Definieer een functie multi_period_return die een numpy-array met periodereturens als input neemt en het totale rendement voor de periode teruggeeft. Gebruik de formule uit de video: tel 1 op bij de input, geef het resultaat door aan np.prod(), trek er 1 van af en vermenigvuldig met 100.
Maak een .rolling()-venster van lengte '360D' op data en pas multi_period_return toe. Ken dit toe aan rolling_return_360.
Plot rolling_return_360 met de title 'Rolling 360D Return'.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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

Code bewerken en uitvoeren