Compare o desempenho do índice com o benchmark II

O próximo passo na análise do desempenho do seu índice é compará-lo com um benchmark.

No vídeo, usamos o S&P 500 como benchmark. Você também pode usar o Dow Jones Industrial Average, que contém as 30 maiores ações, e também seria um benchmark razoável para as maiores ações de todos os setores nas três bolsas.

Este exercício faz parte do curso

Manipulando dados de séries temporais em Python

Ver curso

Instruções do exercício

Já importamos numpy como np, pandas como pd, matplotlib.pyplot como plt para você. Também carregamos o seu índice e o Dow Jones Industrial Average (normalizados) em uma variável chamada data.

Inspecione data e imprima as cinco primeiras linhas.
Defina uma função multi_period_return que recebe um array do numpy com retornos por período como entrada e retorna o retorno total do período. Use a fórmula do vídeo: some 1 à entrada, passe o resultado para np.prod(), subtraia 1 e multiplique por 100.
Crie uma janela .rolling() de comprimento '360D' a partir de data e aplique multi_period_return. Atribua a rolling_return_360.
Plote rolling_return_360 usando o title 'Rolling 360D Return'.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Inspect data
print(____)
print(____)

# Create multi_period_return function here
def multi_period_return(r):
    return (____) * 100

# Calculate rolling_return_360
rolling_return_360 = data.pct_change().____

# Plot rolling_return_360 here

Editar e executar o código