評估報酬

現在來看看，我們的投資組合選股表現，與只投資 SPY 相比如何。雖然 R$^2$ 值偏低，我們仍想檢視預測是否有前景。

我們會把起始投資金額設為 $1000，然後分別迴圈套用我們的預測報酬與 SPY 的報酬。我們會使用投資組合選股與 SPY 的月度報酬，將其套用到起始現金餘額。這樣就能得到逐月的投資表現，並可觀察整體來說我們的預測相較於 SPY 的結果。接著，我們可以把根據預測得到的投資組合繪圖，並與 SPY 比較。

本練習屬於課程

Python 金融 Machine Learning

檢視課程

練習說明

將 algo_cash 與 spy_cash 的第一個清單元素都設為相同的金額（cash）。
在 test_returns 迴圈中，將 cash 乘上 1 + r，把該期報酬套用到 cash。
與 test_returns 迴圈相同，在 SPY 的績效迴圈中，先將 cash 乘上 1 + r 以加入該期報酬，再把 cash 附加到 spy_cash。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# 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])

編輯並執行程式碼