绘制相对基准指数的业绩差异
在视频中，您学习了如何计算并绘制某只股票相对基准指数的业绩差（以百分点计）。
现在，让我们比较微软（MSFT）和苹果（AAPL）在过去 10 年相对于标普 500 的表现。
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
我们已经将 pandas 导入为 pd，并将 matplotlib.pyplot 导入为 plt。
- 创建包含两个股票代码的列表
tickers。 - 使用
pd.read_csv()导入'msft_aapl.csv'和'sp500.csv'，从'date'列创建各自的DatetimeIndex（使用parse_dates和index_col），并分别将结果赋给stocks和sp500。 - 使用
pd.concat()沿着axis=1拼接stocks和sp500，再使用.dropna()删除所有缺失值，并将结果赋给data。 - 将
data归一化：用首日价格相除，再乘以 100，并将输出赋给normalized。 - 从
normalized中选取tickers，再用关键字参数axis=0对齐索引，减去normalized['SP500']，然后绘制结果。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create tickers
tickers = ____
# Import stock data here
stocks = ____
# Import index here
sp500 = ____
# Concatenate stocks and index here
data = ____
# Normalize data
normalized = ____
# Subtract the normalized index from the normalized stock prices, and plot the result