1. Uczyć się
    2. /
  2. Courses
    3. /
  3. Manipulowanie danymi szeregów czasowych w Pythonie
Connected

Exercise

Korelacje rocznych zwrotów dla wybranych akcji

W materiale wideo pokazano, jak obliczać korelacje i wizualizować wyniki.

W tym ćwiczeniu udostępniamy historyczne ceny akcji Apple (AAPL), Amazon (AMZN), IBM (IBM), WalMart (WMT) i Exxon Mobile (XOM) dla ostatnich 4 000 dni sesyjnych – od lipca 2001 roku do końca maja 2017 roku.

Obliczysz zwroty na koniec każdego roku, wyznaczyć korelacje parami między wszystkimi akcjami i zwizualizujesz wynik w postaci opisanej mapy ciepła.

Instrukcje

100 XP

Biblioteki pandas jako pd, seaborn jako sns oraz matplotlib.pyplot jako plt zostały już zaimportowane. Dzienne ceny zamknięcia dla pięciu spółek są dostępne w zmiennej data.

  • Sprawdź dane za pomocą .info().
  • Zastosuj .resample() z częstotliwością końca roku (alias: 'A') do data i wybierz ostatnią cenę .last() z każdego podokresuj; przypisz wynik do annual_prices.
  • Oblicz annual_returns, stosując .pct_change() do annual_prices.
  • Oblicz correlations, stosując .corr() do annual_returns, i wyświetl wynik.
  • Zwizualizuj correlations jako opisaną mapę ciepła sns.heatmap().