Kom igångKom igång gratis

Visualisera konsekutiva portföljavkastningar

Regression mot medelvärdet är också ett viktigt begrepp inom investeringar. Här undersöker du årsavkastningen från investeringar i bolag i Standard and Poor 500-indexet (S&P 500) under 2018 och 2019.

Datamängden sp500_yearly_returns innehåller tre kolumner:

variabel betydelse
symbol Aktiens ticker-symbol som unikt identifierar bolaget.
return_2018 Ett mått på investeringens avkastning under 2018.
return_2019 Ett mått på investeringens avkastning under 2019.

Ett positivt värde innebär att investeringen ökade i värde; ett negativt värde innebär att den minskade i värde.

Precis som med homeruns i baseboll kan ett naivt antagande vara att investeringens avkastning är densamma från år till år – det vill säga att datapunkterna hamnar längs linjen y = x.

sp500_yearly_returns finns tillgänglig som en pandas DataFrame.

Den här övningen är en del av kursen

Introduktion till regression med statsmodels i Python

Visa kurs

Övningsinstruktioner

  • Skapa en ny figur, fig, för att möjliggöra överlappning av diagram.
  • Generera en linje vid y = x. Det här är redan gjort åt dig.
  • Använd sp500_yearly_returns och rita ett spridningsdiagram med return_2019 mot return_2018 med en linjär regressionstrendlinje, utan ett standardfelband.
  • Ställ in axlarna så att avstånden längs x- och y-axlarna ser likadana ut.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create a new figure, fig
fig = plt.____

# Plot the first layer: y = x
plt.axline(xy1=(0,0), slope=1, linewidth=2, color="green")

# Add scatter plot with linear regression trend line
sns.____(____)

# Set the axes so that the distances along the x and y axes look the same
plt.____(____)

# Show the plot
plt.show()
Redigera och kör kod