Utforska de månatliga avkastningarna för S&P 500

I de kommande övningarna undersöker du den månatliga utvecklingen för S&P 500. En bild säger mer än tusen ord – därför börjar de flesta prestandaanalyser med att studera ett tidsserieplot över en investerings värdeutveckling.

Ett diagram över S&P 500 för perioden 1986 till augusti 2016 visas till höger. Varje observation i diagrammet är ett slutkursvärde för respektive dag. Diagrammet visar ett antal uppgångar och nedgångar. Ta en titt – förstår du varför 2000-talet så ofta kallas det förlorade investeringsårtiondet?

Paketen PerformanceAnalytics och xts är förinlästa, och de dagliga priserna för S&P 500 finns tillgängliga i din arbetsmiljö som variabeln sp500. Variabeln är av klassen xts för tidsserier, vilket innebär att varje observation har en tidsstämpel. Din uppgift är att beskriva den månatliga utvecklingen för S&P 500. För att göra det behöver du först aggregera den dagliga prisserien till slutkurser per månad. Sedan beräknar du de månatliga avkastningarna och visualiserar dem i en tabell.

Den här övningen är en del av kursen

Introduktion till portföljanalys i R

Visa kurs

Övningsinstruktioner

Använd funktionen to.monthly() med argumentet sp500 och tilldela resultatet till sp500_monthly.
Skriv ut de första sex raderna av sp500_monthly. Lägg märke till hur aggregeringen av data resulterat i en tabell med fyra kolumner som innehåller öppnings-, lägsta-, högsta- och stängningskursen för sp500 per månad.
Skapa sp500_returns med hjälp av funktionen Return.calculate() på sp500_monthly med stängningskurserna (fjärde kolumnen i sp500_monthly).
Använd plot.zoo() för att plotta tidsserien för sp500_returns.
Använd funktionen table.CalendarReturns() i PerformanceAnalytics för att presentera de månatliga avkastningsdata i ett tabellformat som visar år per månad.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Convert the daily frequency of sp500 to monthly frequency: sp500_monthly
sp500_monthly <- 

# Print the first six rows of sp500_monthly


# Create sp500_returns using Return.calculate using the closing prices
sp500_returns <- 

# Time series plot


# Produce the year x month table

Redigera och kör kod