Hisse senedi DataFrame'lerini birleştir ve getirileri hesapla
Modern portföy teorisi (MPT) portföylerini hesaplamanın ilk adımı günlük ve aylık getirileri elde etmektir. Sonunda her ay için en iyi portföyleri Sharpe oranına göre bulacağız. Bunu yapmanın en kolay yolu tüm hisse senedi fiyatlarını tek bir DataFrame'e koyup ardından günlük ve aylık zaman dilimlerine yeniden örneklemektir. Riski ölçmek için kullanacağımız oynaklığı hesaplamak üzere günlük fiyat değişimlerine ihtiyacımız var.
Bu egzersiz, kursun bir parçasıdır
Python ile Finans için Machine Learning
Egzersiz talimatları
lng_df,spy_dfvesmlv_df'yipd.concat()kullanarakfull_dfDataFrame'inde birleştir.full_df'yi Business Month Start ('BMS') frekansına yeniden örnekle.full_df'nin günlük yüzde değişimini.pct_change()ile al.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Join 3 stock dataframes together
full_df = pd.concat(____, axis=1).dropna()
# Resample the full dataframe to monthly timeframe
monthly_df = full_df.resample(____).first()
# Calculate daily returns of stocks
returns_daily = ____
# Calculate monthly returns of the stocks
returns_monthly = monthly_df.pct_change().dropna()
print(returns_monthly.tail())