将指数表现与基准比较 II
分析自建指数的表现，下一步是与基准进行比较。
在视频中，我们使用了 S&P 500 作为基准。您也可以使用道琼斯工业平均指数，它包含 30 只最大型股票，对于横跨三大交易所、各个行业中的最大型股票而言，也是一个合理的基准。
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
我们已为您导入了 numpy 为 np、pandas 为 pd、matplotlib.pyplot 为 plt。同时已将您的指数与道琼斯工业平均指数（标准化后）加载到名为 data 的变量中。
- 检查
data并打印前 5 行。 - 定义函数
multi_period_return，其输入为numpy的期间收益率array，返回该期间的总收益率。使用视频中的公式：先对输入加 1，将结果传给np.prod()，再减去 1，最后乘以 100。 - 从
data创建长度为'360D'的.rolling()窗口，并应用multi_period_return。将结果赋给rolling_return_360。 - 使用标题
'Rolling 360D Return'绘制rolling_return_360。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Inspect data
print(____)
print(____)
# Create multi_period_return function here
def multi_period_return(r):
return (____) * 100
# Calculate rolling_return_360
rolling_return_360 = data.pct_change().____
# Plot rolling_return_360 here