ความสัมพันธ์ของผลตอบแทนรายปีของหุ้นหลายตัว
ในวิดีโอ คุณได้เรียนรู้วิธีคำนวณค่าสหสัมพันธ์และแสดงผลลัพธ์เป็นภาพแล้ว
ในแบบฝึกหัดนี้ เราได้เตรียมข้อมูลราคาหุ้นย้อนหลังของ Apple (AAPL), Amazon (AMZN), IBM (IBM), WalMart (WMT) และ Exxon Mobile (XOM) ครอบคลุม 4,000 วันทำการนับตั้งแต่เดือนกรกฎาคม 2001 จนถึงปลายเดือนพฤษภาคม 2017 ไว้ให้แล้ว
จะได้คำนวณผลตอบแทน ณ สิ้นปี หาค่าสหสัมพันธ์แบบคู่ระหว่างหุ้นทุกตัว และแสดงผลลัพธ์เป็น heatmap แบบมีคำอธิบายกำกับ
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การจัดการข้อมูล Time Series ใน Python
คำแนะนำการฝึกหัด
เราได้นำเข้า pandas เป็น pd, seaborn เป็น sns และ matplotlib.pyplot เป็น plt ไว้แล้ว และโหลดราคาปิดรายวันของหุ้นทั้ง 5 ตัวไว้ในตัวแปรชื่อ data
- ตรวจสอบข้อมูลด้วย
.info() - ใช้
.resample()กับdataโดยกำหนดความถี่เป็นสิ้นปี (alias:'A') แล้วเลือกราคา.last()ของแต่ละช่วงย่อย จากนั้นกำหนดผลลัพธ์ให้กับannual_prices - คำนวณ
annual_returnsโดยใช้.pct_change()กับannual_prices - คำนวณ
correlationsโดยใช้.corr()กับannual_returnsแล้วพิมพ์ผลลัพธ์ - แสดงผล
correlationsเป็นsns.heatmap()แบบมีคำอธิบายกำกับ
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Inspect data here
print(____)
# Calculate year-end prices here
annual_prices = ____
# Calculate annual returns here
annual_returns = ____
# Calculate and print the correlation matrix here
correlations = ____
print(____)
# Visualize the correlations as heatmap here