Plotta prestandaskillnad jämfört med referensindex

I videon lärde du dig hur man beräknar och plottar prestandaskillnaden för en aktie i procentenheter relativt ett referensindex.

Låt oss jämföra hur Microsoft (MSFT) och Apple (AAPL) presterat i förhållande till S&P 500 under de senaste 10 åren.

Den här övningen är en del av kursen

Manipulera tidsseriedata i Python

Visa kurs

Övningsinstruktioner

Vi har redan importerat pandas som pd och matplotlib.pyplot som plt.

Skapa listan tickers med de två aktiesymbolerna.
Använd pd.read_csv() för att importera 'msft_aapl.csv' och 'sp500.csv'. Skapa ett DatetimeIndex för varje fil från kolumnen 'date' med hjälp av parse_dates och index_col, och tilldela resultaten till stocks respektive sp500.
Använd pd.concat() för att konkatenera stocks och sp500 längs axis=1, tillämpa .dropna() för att ta bort alla saknade värden, och tilldela resultatet till data.
Normalisera data genom att dividera med det första priset, multiplicera med 100 och tilldela resultatet till normalized.
Välj ut tickers från normalized och subtrahera normalized['SP500'] med nyckelordet axis=0 för att justera indexen, och plotta sedan resultatet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create tickers
tickers = ____

# Import stock data here
stocks = ____

# Import index here
sp500 = ____

# Concatenate stocks and index here
data = ____

# Normalize data
normalized = ____

# Subtract the normalized index from the normalized stock prices, and plot the result

Redigera och kör kod