Kumulativ avkastning på 1 000 dollar investerade i Google vs Apple II

Apple presterade bättre än Google under hela perioden, men det kan ha sett annorlunda ut under olika ettårsperioder – vilket innebär att en strategi där man växlar mellan de två aktierna potentiellt hade gett ett ännu bättre resultat.

För att undersöka detta beräknar du den kumulativa avkastningen för rullande ettårsperioder och plottar sedan resultaten för att se när respektive aktie var överlägsen.

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. Vi har också laddat stängningskurserna för GOOG och AAPL från föregående övning i data.

Definiera en funktion multi_period_return() som returnerar den kumulativa avkastningen från en array med periodavkastningar.
Beräkna daily_returns genom att tillämpa .pct_change() på data.
Skapa ett rullande fönster på '360D' med .rolling() på daily_returns och tillämpa .apply() med multi_period_returns. Tilldela resultatet till rolling_annual_returns.
Plotta rolling_annual_returns efter att ha multiplicerat det med 100.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import numpy
import numpy as np

# Define a multi_period_return function
def multi_period_return(period_returns):
    return ____(____)
    
# Calculate daily returns
daily_returns = ____

# Calculate rolling_annual_returns
rolling_annual_returns = ____

# Plot rolling_annual_returns

Redigera och kör kod