เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

แสดงภาพค่าเฉลี่ย มัธยฐาน และส่วนเบี่ยงเบนมาตรฐานรายเดือนของผลตอบแทน S&P500

คุณได้เรียนรู้วิธีคำนวณสถิติเชิงรวมหลายรูปแบบจากข้อมูลที่ผ่านการ upsample แล้ว

มาใช้ทักษะนี้สำรวจแนวโน้มของค่าเฉลี่ย มัธยฐาน และส่วนเบี่ยงเบนมาตรฐานรายเดือนของผลตอบแทนรายวัน S&P500 ในช่วง 10 ปีที่ผ่านมากัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจัดการข้อมูล Time Series ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

เราได้ import pandas เป็น pd และ matplotlib.pyplot เป็น plt ไว้ให้แล้ว

  • ใช้ pd.read_csv() เพื่อนำเข้าไฟล์ 'sp500.csv' กำหนด DateTimeIndex จากคอลัมน์ 'date' โดยใช้ parse_dates และ index_col จากนั้นกำหนดผลลัพธ์ให้กับตัวแปร sp500 แล้วตรวจสอบด้วย .info()
  • แปลง sp500 เป็น pd.Series() โดยใช้ .squeeze() แล้วนำ .pct_change() มาคำนวณ daily_returns
  • ใช้ .resample() กับ daily_returns ที่ความถี่สิ้นเดือน (alias: 'M') จากนั้นใช้ .agg() คำนวณค่า 'mean', 'median' และ 'std' แล้วกำหนดผลลัพธ์ให้กับตัวแปร stats
  • เรียก .plot() กับ stats

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import data here
sp500 = ____

# Calculate daily returns here
daily_returns = ____

# Resample and calculate statistics
stats = ____

# Plot stats here
แก้ไขและรันโค้ด