Skumulowany zwrot z 1000 USD zainwestowanych w Google i Apple II

Apple osiągnął lepsze wyniki niż Google w całym analizowanym okresie, jednak w poszczególnych 1-rocznych podokresach sytuacja mogła wyglądać inaczej. Przełączanie między tymi dwoma akcjami mogło więc przynieść jeszcze lepsze rezultaty.

Aby to zbadać, oblicz skumulowany zwrot dla kroczących okien 1-rocznych, a następnie zwizualizuj wyniki, by zobaczyć, w których okresach każda z akcji była lepsza.

To ćwiczenie jest częścią kursu

Manipulowanie danymi szeregów czasowych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Biblioteka pandas jest już zaimportowana jako pd, a matplotlib.pyplot jako plt. Ceny zamknięcia GOOG i AAPL z poprzedniego ćwiczenia są wczytane do zmiennej data.

Zdefiniuj funkcję multi_period_return(), która zwraca skumulowany zwrot na podstawie tablicy zwrotów okresowych.
Oblicz daily_returns, stosując metodę .pct_change() do data.
Utwórz kroczące okno '360D' za pomocą .rolling() na daily_returns i zastosuj .apply() z funkcją multi_period_returns. Przypisz wynik do rolling_annual_returns.
Narysuj wykres rolling_annual_returns po pomnożeniu przez 100.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import numpy
import numpy as np

# Define a multi_period_return function
def multi_period_return(period_returns):
    return ____(____)
    
# Calculate daily returns
daily_returns = ____

# Calculate rolling_annual_returns
rolling_annual_returns = ____

# Plot rolling_annual_returns

Edytuj i uruchom kod