Första momentet: Mu

Du kan beräkna den genomsnittliga historiska avkastningen för en aktie med hjälp av numpys funktion mean().

När du beräknar den genomsnittliga dagliga avkastningen för en aktie uppskattar du i grunden det första momentet ( $ \mu $ ) i fördelningen av historiska avkastningar.

Men vad är egentligen dagliga avkastningsestimat värda för en långsiktig investerare? Du kan använda formeln nedan för att uppskatta den genomsnittliga årsavkastningen för en aktie, givet den genomsnittliga dagliga avkastningen och antalet handelsdagar per år (vanligtvis finns det ungefär 252 handelsdagar per år):

$$ \text{Average Annualized Return} = ( ( 1 + \mu ) ^ {252}) - 1 $$

Objektet StockPrices från föregående övning är lagrat som en variabel.

Den här övningen är en del av kursen

Introduktion till portföljriskhantering i Python

Visa kurs

Övningsinstruktioner

Importera numpy som np.
Beräkna medelvärdet för kolumnen 'Returns' för att uppskatta det första momentet ( $ \mu $ ) och tilldela resultatet till mean_return_daily.
Använd formeln för att beräkna den genomsnittliga årsavkastningen med antagandet om 252 handelsdagar per år. Kom ihåg att exponenter i Python beräknas med operatorn **.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import numpy as np
import ____ as ____

# Calculate the average daily return of the stock
mean_return_daily = ____(StockPrices['Returns'])
print(mean_return_daily)

# Calculate the implied annualized average return
mean_return_annualized = ((____+____)**____)-____
print(mean_return_annualized)

Redigera och kör kod