合并股票 DataFrame 并计算收益率
计算现代投资组合理论（MPT）组合的第一步是获取日度和月度收益率。接下来我们将基于夏普比率找到每个月的最优组合。最简单的做法是先把所有股票价格放入同一个 DataFrame，然后重采样到日度与月度频率。我们需要日度价格变动来计算波动率，并将其作为风险度量。
本练习是课程的一部分
Python 金融机器学习
练习说明
- 使用
pd.concat()将lng_df、spy_df和smlv_df合并为full_dfDataFrame。 - 将
full_df重采样为 Business Month Start（"BMS"）频率。 - 使用
.pct_change()计算full_df的日度百分比变化。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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())