Getirileri değerlendir

Şimdi portföy seçimimizin yalnızca SPY'a yatırım yapmaya kıyasla nasıl performans göstereceğine bakalım. Bunu, düşük R$^2$ değerine rağmen tahminlerimizin umut verici olup olmadığını görmek için yapacağız.

Yatırımımız için başlangıç değerini $1000 olarak belirleyeceğiz, sonra tahminlerimizden ve SPY'dan gelen getirilerde döngü kuracağız. Portföy seçimimizden ve SPY'dan gelen aylık getirileri başlangıç nakit bakiyemize uygulayacağız. Buradan yatırımımızın ay ay nasıl gittiğini göreceğiz ve genel olarak tahminlerimizin SPY'a karşı nasıl performans gösterdiğini inceleyebileceğiz. Sonrasında, tahminlerimizden oluşan portföyümüzü görselleştirip SPY ile karşılaştırabiliriz.

Bu egzersiz, kursun bir parçasıdır

Python ile Finans için Machine Learning

Kursa Göz Atın

Egzersiz talimatları

Hem algo_cash hem de spy_cash listelerinin ilk girişlerini aynı miktara (cash) ayarla.
Getirileri cash üzerine uygulamak için test_returns döngümüzdeki cash değerini 1 + r ile çarp.
test_returns döngüsünde olduğu gibi, SPY performans döngüsünde de getirileri cashe eklemek için cashi 1 + r ile çarptıktan sonra spy_cash listesine ekle.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Calculate the effect of our portfolio selection on a hypothetical $1k investment
cash = 1000
algo_cash, spy_cash = [cash], ____  # set equal starting cash amounts
for r in test_returns:
    cash *= 1 + r
    algo_cash.append(cash)

# Calculate performance for SPY
cash = 1000  # reset cash amount
for r in returns_monthly['SPY'].iloc[train_size:]:
    cash ____ ____
    ____

print('algo returns:', (algo_cash[-1] - algo_cash[0]) / algo_cash[0])
print('SPY returns:', (spy_cash[-1] - spy_cash[0]) / spy_cash[0])

Kodu Düzenle ve Çalıştır