在 Google 与 Apple 中投资 $1,000 的累计收益 II

在整个区间内，Apple 的表现优于 Google。但在不同的 1 年子区间内，结果可能不同，因此在两只股票之间切换或许会带来更好的回报。

为进行分析，请计算滚动 1 年区间的累计收益，并绘制这些收益，以便观察每只股票在何时更占优势。

本练习是课程的一部分

Python 中的时间序列数据处理

查看课程

练习说明

我们已经将 pandas 以 pd 导入，并将 matplotlib.pyplot 以 plt 导入。上一练习中的 GOOG 和 AAPL 收盘价也已加载到 data 中。

定义一个 multi_period_return() 函数，返回由一组分期收益组成的累计收益。
通过对 data 调用 .pct_change() 来计算 daily_returns。
在 daily_returns 上创建 '360D' 的 .rolling() 窗口，并使用 .apply() 调用 multi_period_returns。将结果赋给 rolling_annual_returns。
将 rolling_annual_returns 乘以 100 后绘图。

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 numpy
import numpy as np

# Define a multi_period_return function
def multi_period_return(period_returns):
    return ____(____)
    
# Calculate daily returns
daily_returns = ____

# Calculate rolling_annual_returns
rolling_annual_returns = ____

# Plot rolling_annual_returns

编辑并运行代码