Порівняння ефективності індексу з бенчмарком II

Наступний крок аналізу ефективності вашого індексу — порівняти його з бенчмарком.

У відео ми використали S&P 500 як бенчмарк. Також можна використати Dow Jones Industrial Average, який охоплює 30 найбільших компаній, і це теж буде доречний бенчмарк для найбільших акцій з усіх секторів трьох бірж.

Ця вправа є частиною курсу

Опрацювання часових рядів у Python

Переглянути курс

Інструкції до вправи

Ми вже імпортували для вас numpy як np, pandas як pd, matplotlib.pyplot як plt. Також ми завантажили ваш індекс і нормалізований Dow Jones Industrial Average у змінну data.

Перегляньте data та виведіть перші п'ять рядків.
Визначте функцію multi_period_return, яка приймає numpy array періодичних доходностей як вхідні дані та повертає загальну доходність за період. Скористайтеся формулою з відео: додайте 1 до вхідних даних, передайте результат у np.prod(), відніміть 1 і помножте на 100.
Створіть вікно .rolling() довжини '360D' з data та застосуйте multi_period_return. Присвойте результат до rolling_return_360.
Побудуйте графік rolling_return_360, використавши title 'Rolling 360D Return'.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Inspect data
print(____)
print(____)

# Create multi_period_return function here
def multi_period_return(r):
    return (____) * 100

# Calculate rolling_return_360
rolling_return_360 = data.pct_change().____

# Plot rolling_return_360 here

Редагувати та запускати код