Meerperiodereturns plotten

De laatste tijdreeks-methode die je in de video hebt gezien is .pct_change(). Laten we deze functie gebruiken om rendementen te berekenen voor verschillende aantallen kalenderdagen en het resultaat te plotten om de verschillende patronen te vergelijken.

We gebruiken Google-aandelenkoersen uit 2014-2016.

Deze oefening maakt deel uit van de cursus

Tijdreeksgegevens manipuleren in Python

Cursus bekijken

Oefeninstructies

We hebben pandas al geïmporteerd als pd, en matplotlib.pyplot als plt. We hebben ook de 'GOOG'-aandelenkoersen voor de jaren 2014-2016 geladen, de frequentie op kalenderdagelijks gezet en het resultaat toegewezen aan google.

Maak de kolommen 'daily_return', 'monthly_return' en 'annual_return' die de pct_change() van 'Close' bevatten voor respectievelijk 1, 30 en 360 kalenderdagen, en vermenigvuldig elk met 100.
Plot het resultaat met subplots=True.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Create daily_return
google['daily_return'] = ____

# Create monthly_return
google['monthly_return'] = ____

# Create annual_return
google['annual_return'] = ____

# Plot the result

Code bewerken en uitvoeren