Visualisera avkastning för flera perioder
Den sista tidsserietmetoden du lärde dig i videon var .pct_change(). Nu ska vi använda den här funktionen för att beräkna avkastning för olika perioder i kalenderdagar och visualisera resultatet för att jämföra de olika mönstren.
Vi använder Googles aktiekurser från 2014–2016.
Den här övningen är en del av kursen
Manipulera tidsseriedata i Python
Övningsinstruktioner
Vi har redan importerat pandas som pd och matplotlib.pyplot som plt. Vi har också laddat in aktiekurser för 'GOOG' för åren 2014–2016, satt frekvensen till kalenderdaglig och tilldelat resultatet till google.
- Skapa kolumnerna
'daily_return','monthly_return'och'annual_return'som innehållerpct_change()för'Close'med 1, 30 respektive 360 kalenderdagar, och multiplicera varje värde med 100. - Rita resultatet med
subplots=True.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create daily_return
google['daily_return'] = ____
# Create monthly_return
google['monthly_return'] = ____
# Create annual_return
google['annual_return'] = ____
# Plot the result