Junte DataFrames de ações e calcule os retornos

Nosso primeiro passo para calcular carteiras de modern portfolio theory (MPT) é obter os retornos diários e mensais. Depois, vamos encontrar as melhores carteiras de cada mês com base no índice de Sharpe. A maneira mais fácil de fazer isso é colocar todos os preços das ações em um único DataFrame e então reamostrál-los para as janelas diária e mensal. Precisamos das variações diárias de preço para calcular a volatilidade, que vamos usar como nossa medida de risco.

Este exercicio faz parte do curso

Machine Learning para Finanças em Python

Ver curso

Instruções do exercicio

Una lng_df, spy_df e smlv_df usando pd.concat() no DataFrame full_df.
Reamostre full_df para a frequência Business Month Start ('BMS').
Obtenha a variação percentual diária de full_df com .pct_change().

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Join 3 stock dataframes together
full_df = pd.concat(____, axis=1).dropna()

# Resample the full dataframe to monthly timeframe
monthly_df = full_df.resample(____).first()

# Calculate daily returns of stocks
returns_daily = ____

# Calculate monthly returns of the stocks
returns_monthly = monthly_df.pct_change().dropna()
print(returns_monthly.tail())

Editar e Executar Código