Кореляції річної дохідності між кількома акціями

У відео ви побачили, як обчислювати кореляції та візуалізувати результат.

У цій вправі ми надали історичні ціни акцій Apple (AAPL), Amazon (AMZN), IBM (IBM), WalMart (WMT) та Exxon Mobile (XOM) за останні 4 000 торгових днів — від липня 2001 року до кінця травня 2017 року.

Ви обчислите річну дохідність на кінець року, парні кореляції між усіма акціями та візуалізуєте результат як підписану теплокарту (heatmap).

Ця вправа є частиною курсу

Опрацювання часових рядів у Python

Переглянути курс

Інструкції до вправи

Ми вже імпортували pandas як pd, seaborn як sns та matplotlib.pyplot як plt. Щоденні ціни закриття для п'яти акцій завантажено у змінну data.

Перегляньте структуру за допомогою .info().
Застосуйте .resample() з річною частотою (псевдонім: 'A') до data і виберіть .last() ціну з кожного підперіоду; присвойте результат до annual_prices.
Обчисліть annual_returns, застосувавши .pct_change() до annual_prices.
Обчисліть correlations, застосувавши .corr() до annual_returns, і виведіть результат.
Візуалізуйте correlations як підписану sns.heatmap().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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

Редагувати та запускати код