1. Nauka
    2. /
  2. Kursy
    3. /
  3. Manipulowanie danymi szeregów czasowych w Pythonie
Connected

ćwiczenie

Porównanie kwartalnego wzrostu PKB i stóp zwrotu z akcji

Dzięki umiejętności próbkowania w dół i agregowania szeregów czasowych możesz porównywać dane giełdowe o wyższej częstotliwości z danymi ekonomicznymi o niższej częstotliwości.

Jako pierwszy przykład porównajmy kwartalną stopę wzrostu PKB z kwartalną stopą zwrotu indeksu Dow Jones Industrial, obejmującego 30 największych spółek notowanych w USA.

Wzrost PKB jest publikowany na początku każdego kwartału i dotyczy kwartału poprzedniego. Aby obliczyć odpowiadające mu stopy zwrotu z indeksu giełdowego, dokonasz resamplingowego agregowania indeksu do częstotliwości początku kwartału przy użyciu aliasu 'QS' i agregowania metodą .first().

Instrukcje

100 XP

Jak zwykle, pandas został już zaimportowany jako pd, a matplotlib.pyplot jako plt.

  • Użyj pd.read_csv(), aby zaimportować pliki 'gdp_growth.csv' i 'djia.csv'. W obu przypadkach ustaw DateTimeIndex oparty na kolumnie 'date', korzystając z parametrów parse_dates i index_col. Przypisz wyniki do zmiennych gdp_growth i djia, a następnie sprawdź strukturę danych metodą .info().
  • Przepróbkuj djia z aliasem częstotliwości 'QS', zagreguj metodą .first() i przypisz wynik do djia_quarterly.
  • Zastosuj .pct_change() do djia_quarterly, a następnie .mul() przez 100, aby uzyskać djia_quarterly_return.
  • Użyj pd.concat(), aby połączyć gdp_growth i djia_quarterly_return wzdłuż axis=1 i przypisz wynik do data. Zmień nazwy kolumn przy użyciu .columns, nadając im etykiety 'gdp' i 'djia', a następnie wywołaj .plot(), aby zwizualizować wyniki.