Wizualizacja miesięcznej średniej, mediany i odchylenia standardowego zwrotów indeksu S&P500

Wiesz już, jak obliczać różne statystyki zbiorcze na podstawie danych próbkowanych z wyższą częstotliwością.

Wykorzystaj tę wiedzę, aby zbadać, jak kształtowały się miesięczna średnia, mediana i odchylenie standardowe dziennych zwrotów indeksu S&P500 na przestrzeni ostatnich 10 lat.

To ćwiczenie jest częścią kursu

Manipulowanie danymi szeregów czasowych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Jak zwykle, biblioteki pandas jako pd i matplotlib.pyplot jako plt zostały już zaimportowane.

Użyj pd.read_csv(), aby zaimportować plik 'sp500.csv', ustaw DateTimeIndex na podstawie kolumny 'date' przy użyciu parse_dates i index_col, przypisz wynik do zmiennej sp500 i sprawdź dane metodą .info().
Przekształć sp500 w obiekt pd.Series() metodą .squeeze(), a następnie zastosuj .pct_change(), aby obliczyć daily_returns.
Zastosuj .resample() na daily_returns z częstotliwością końca miesiąca (alias: 'M'), a następnie użyj .agg(), aby obliczyć 'mean', 'median' i 'std'. Przypisz wynik do zmiennej stats.
Wywołaj .plot() na stats.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import data here
sp500 = ____

# Calculate daily returns here
daily_returns = ____

# Resample and calculate statistics
stats = ____

# Plot stats here

Edytuj i uruchom kod