1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe w finansach z Pythonem
Connected

ćwiczenie

Łączenie obiektów DataFrame akcji i obliczanie zwrotów

Pierwszym krokiem w budowaniu portfeli zgodnie z nowoczesną teorią portfela (MPT) jest wyznaczenie dziennych i miesięcznych zwrotów. Naszym celem będzie wyłonienie najlepszych portfeli każdego miesiąca na podstawie wskaźnika Sharpe'a. Najwygodniej jest połączyć ceny wszystkich akcji w jednym obiekcie DataFrame, a następnie poddać je resamplingowi do interwałów dziennych i miesięcznych. Dzienne zmiany cen będą potrzebne do obliczenia zmienności, którą przyjmiemy jako miarę ryzyka.

Instrukcje

100 XP
  • Połącz lng_df, spy_df i smlv_df za pomocą pd.concat() w obiekt DataFrame o nazwie full_df.
  • Dokonaj resampleingu full_df do częstotliwości Business Month Start ('BMS').
  • Oblicz dzienną zmianę procentową full_df przy użyciu .pct_change().