Wykres kolejnych zwrotów z portfela
Regresja do średniej to ważna koncepcja również w świecie inwestycji. Przyjrzysz się tu rocznym zwrotom z inwestycji w spółki wchodzące w skład indeksu Standard and Poor 500 (S&P 500) w latach 2018 i 2019.
Zbiór danych sp500_yearly_returns zawiera trzy kolumny:
| zmienna | znaczenie |
|---|---|
| symbol | Ticker giełdowy jednoznacznie identyfikujący spółkę. |
| return_2018 | Miara wyników inwestycyjnych w 2018 roku. |
| return_2019 | Miara wyników inwestycyjnych w 2019 roku. |
Wartość dodatnia oznacza, że inwestycja zyskała na wartości; wartość ujemna oznacza stratę.
Podobnie jak w przypadku home runów w baseballu, naiwna prognoza mogłaby zakładać, że wyniki inwestycyjne pozostają takie same z roku na rok i układają się na linii y równa się x.
sp500_yearly_returns jest dostępny jako DataFrame biblioteki pandas.
To ćwiczenie jest częścią kursu
Wprowadzenie do regresji z użyciem statsmodels w Pythonie
Instrukcje do ćwiczenia
- Utwórz nową figurę,
fig, aby umożliwić nakładanie wykresów. - Wygeneruj linię y równa się x. Zostało to już za ciebie zrobione.
- Korzystając ze zbioru
sp500_yearly_returns, narysuj wykres punktowyreturn_2019względemreturn_2018z liniową linią trendu, bez wstążki błędu standardowego. - Ustaw osie tak, aby odległości wzdłuż osi x i y wyglądały tak samo.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create a new figure, fig
fig = plt.____
# Plot the first layer: y = x
plt.axline(xy1=(0,0), slope=1, linewidth=2, color="green")
# Add scatter plot with linear regression trend line
sns.____(____)
# Set the axes so that the distances along the x and y axes look the same
plt.____(____)
# Show the plot
plt.show()