Compararea performanței indexului cu un benchmark II

Următorul pas în analiza performanței indexului tău este să îl compari cu un benchmark.

În video, am folosit S&P 500 ca benchmark. Poți folosi și Dow Jones Industrial Average, care include cele mai mari 30 de acțiuni și reprezintă un benchmark rezonabil pentru cele mai mari acțiuni din toate sectoarele, de pe cele trei burse.

Acest exercițiu face parte din cursul

Manipularea datelor de tip serie de timp în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Am importat deja numpy ca np, pandas ca pd și matplotlib.pyplot ca plt. Am încărcat, de asemenea, indexul tău și Dow Jones Industrial Average (normalizat) într-o variabilă numită data.

Inspectează data și afișează primele cinci rânduri.
Definește o funcție multi_period_return care primește ca argument un array numpy de randamente pe perioadă și returnează randamentul total pentru acea perioadă. Folosește formula din video: adaugă 1 la valorile din input, pasează rezultatul către np.prod(), scade 1 și înmulțește cu 100.
Creează o fereastră .rolling() de lungime '360D' din data și aplică multi_period_return. Atribuie rezultatul variabilei rolling_return_360.
Reprezintă grafic rolling_return_360 folosind title-ul 'Rolling 360D Return'.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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

Editează și rulează codul