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
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 depct_change()van'Close'bevatten voor respectievelijk 1, 30 en 360 kalenderdagen, en vermenigvuldig elk met 100. - Plot het resultaat met
subplots=True.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Create daily_return
google['daily_return'] = ____
# Create monthly_return
google['monthly_return'] = ____
# Create annual_return
google['annual_return'] = ____
# Plot the result