Сравнение производительности индекса с эталоном II

Следующий шаг в анализе производительности вашего индекса — сравнение его с эталонным показателем.

В видео мы использовали S&P 500 в качестве эталона. Также можно воспользоваться промышленным индексом Доу Джонса, который включает 30 крупнейших компаний и тоже является подходящим ориентиром для сравнения с акциями-лидерами по всем секторам на трёх биржах.

Это упражнение является частью курса

Работа с временными рядами в Python

Посмотреть курс

Инструкции к упражнению

Мы уже импортировали для вас numpy как np, pandas как pd и matplotlib.pyplot как plt. Также в переменную data загружены ваш индекс и промышленный индекс Доу Джонса (нормализованный).

Изучите data и выведите первые пять строк.
Определите функцию multi_period_return, которая принимает на вход массив (array) numpy с доходностями за периоды и возвращает суммарную доходность за весь период. Используйте формулу из видео: прибавьте 1 к входным данным, передайте результат в np.prod(), вычтите 1 и умножьте на 100.
Создайте скользящее окно .rolling() длиной '360D' из data и примените multi_period_return. Результат сохраните в rolling_return_360.
Постройте график rolling_return_360, задав параметр title равным 'Rolling 360D Return'.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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

Редактировать и запускать код