Jämför indexets prestanda mot ett riktmärke II

Nästa steg i analysen av ditt index är att jämföra det mot ett riktmärke.

I videon använde vi S&P 500 som riktmärke. Du kan också använda Dow Jones Industrial Average, som består av de 30 största aktierna och är ett rimligt riktmärke för de största aktierna från alla sektorer på de tre börserna.

Den här övningen är en del av kursen

Manipulera tidsseriedata i Python

Visa kurs

Övningsinstruktioner

Vi har redan importerat numpy som np, pandas som pd och matplotlib.pyplot som plt åt dig. Vi har också laddat ditt index och Dow Jones Industrial Average (normaliserat) i en variabel som heter data.

Inspektera data och skriv ut de första fem raderna.
Definiera en funktion multi_period_return som tar en numpy array med periodavkastningar som indata och returnerar den totala avkastningen för perioden. Använd formeln från videon – addera 1 till indatan, skicka resultatet till np.prod(), subtrahera 1 och multiplicera med 100.
Skapa ett .rolling()-fönster med längden '360D' från data och applicera multi_period_return. Tilldela resultatet till rolling_return_360.
Rita rolling_return_360 med title 'Rolling 360D Return'.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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

Redigera och kör kod