可视化 S&P500 收益率的月度均值、中位数与标准差
您已经学会了如何从上采样数据计算多种聚合统计量。
现在就用它来探索过去 10 年中，S&P500 日度收益率的月度均值、中位数和标准差的变化趋势。
本练习是课程的一部分
Python 中的时间序列数据处理
练习说明
一如既往，我们已为您导入了 pandas（作为 pd）和 matplotlib.pyplot（作为 plt）。
- 使用
pd.read_csv()导入'sp500.csv'，通过parse_dates和index_col基于'date'列设置DateTimeIndex，将结果赋给sp500，并用.info()查看。 - 使用
.squeeze()将sp500转为pd.Series()，再用.pct_change()计算daily_returns。 - 将
daily_returns.resample()到月末频率（别名：'M'），并用.agg()计算'mean'、'median'和'std'。将结果赋值给stats。 - 对
stats调用.plot()。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import data here
sp500 = ____
# Calculate daily returns here
daily_returns = ____
# Resample and calculate statistics
stats = ____
# Plot stats here