Aan de slagGa gratis aan de slag

Jaarlijkse rendements­correlaties tussen diverse aandelen

Je hebt in de video gezien hoe je correlaties berekent en het resultaat visualiseert.

In deze oefening hebben we de historische aandelenkoersen van Apple (AAPL), Amazon (AMZN), IBM (IBM), WalMart (WMT) en Exxon Mobile (XOM) voor de laatste 4.000 handelsdagen van juli 2001 tot en met eind mei 2017 voor je klaargezet.

Je berekent de jaarultimo-rendementen, de paargewijze correlaties tussen alle aandelen en visualiseert het resultaat als een geannoteerde heatmap.

Deze oefening maakt deel uit van de cursus

Tijdreeksgegevens manipuleren in Python

Cursus bekijken

Oefeninstructies

We hebben pandas al geïmporteerd als pd, seaborn als sns en matplotlib.pyplot als plt. We hebben de dagelijkse slotkoers voor de vijf aandelen geladen in een variabele data.

  • Inspecteer met .info().
  • Pas .resample() met jaarultimo-frequentie (alias: 'A') toe op data en selecteer de .last()-koers uit elke subperiode; sla dit op in annual_prices.
  • Bereken annual_returns door .pct_change() toe te passen op annual_prices.
  • Bereken correlations door .corr() toe te passen op annual_returns en print het resultaat.
  • Visualiseer correlations als een geannoteerde sns.heatmap().

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Inspect data here
print(____)

# Calculate year-end prices here
annual_prices = ____

# Calculate annual returns here
annual_returns = ____

# Calculate and print the correlation matrix here
correlations = ____
print(____)

# Visualize the correlations as heatmap here
Code bewerken en uitvoeren