โมเมนต์ที่หนึ่ง: Mu

สามารถคำนวณผลตอบแทนเฉลี่ยในอดีตของหุ้นได้โดยใช้ฟังก์ชัน mean() ของ numpy

การคำนวณผลตอบแทนรายวันเฉลี่ยของหุ้นนั้น ในแง่หนึ่งคือการประมาณโมเมนต์ที่หนึ่ง ( $ \mu $ ) ของการกระจายผลตอบแทนในอดีต

แต่การประมาณผลตอบแทนรายวันมีประโยชน์อย่างไรสำหรับนักลงทุนระยะยาว? สามารถใช้สูตรด้านล่างเพื่อประมาณผลตอบแทนเฉลี่ยรายปีของหุ้น โดยอาศัยผลตอบแทนรายวันเฉลี่ยและจำนวนวันซื้อขายในหนึ่งปี (โดยทั่วไปมีประมาณ 252 วันซื้อขายต่อปี):

$$ \text{Average Annualized Return} = ( ( 1 + \mu ) ^ {252}) - 1 $$

ออบเจกต์ StockPrices จากแบบฝึกหัดก่อนหน้าถูกเก็บไว้ในตัวแปรแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Python เบื้องต้นสำหรับการบริหารความเสี่ยงพอร์ตการลงทุน

ดูคอร์ส

คำแนะนำการฝึกหัด

Import numpy โดยใช้ชื่อย่อว่า np
คำนวณค่าเฉลี่ยของคอลัมน์ 'Returns' เพื่อประมาณโมเมนต์ที่หนึ่ง ( $ \mu $ ) แล้วกำหนดให้กับตัวแปร mean_return_daily
ใช้สูตรเพื่อหาผลตอบแทนเฉลี่ยรายปี โดยกำหนดให้มี 252 วันซื้อขายต่อปี และจำไว้ว่าใน Python การยกกำลังใช้ตัวดำเนินการ **

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import numpy as np
import ____ as ____

# Calculate the average daily return of the stock
mean_return_daily = ____(StockPrices['Returns'])
print(mean_return_daily)

# Calculate the implied annualized average return
mean_return_annualized = ((____+____)**____)-____
print(mean_return_annualized)

แก้ไขและรันโค้ด