Îmbină DataFrame-urile de acțiuni și calculează randamentele

Primul pas către calcularea portofoliilor bazate pe teoria modernă a portofoliului (MPT) este obținerea randamentelor zilnice și lunare. În final, vom identifica cele mai bune portofolii pentru fiecare lună pe baza raportului Sharpe. Cel mai simplu mod de a face acest lucru este să reunim toate prețurile acțiunilor într-un singur DataFrame, apoi să le reesantionăm la intervale zilnice și lunare. Avem nevoie de variațiile zilnice ale prețurilor pentru a calcula volatilitatea, pe care o vom folosi ca măsură a riscului.

Acest exercițiu face parte din cursul

Machine Learning pentru finanțe în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Îmbină lng_df, spy_df și smlv_df folosind pd.concat() într-un singur DataFrame numit full_df.
Reesantionează full_df la frecvența Business Month Start ('BMS').
Calculează variația procentuală zilnică a full_df cu .pct_change().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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())

Editează și rulează codul