我只是试了一下,因为你没有太多的反应…或是我看到的任何反应。在from pandas_datareader import data
s = data.get_data_yahoo('SBUX', start='2016-01-02',end='2017-12-04')['Adj Close']
monthly = s.resample('BM', how=lambda x: x[-1])
print(monthly)
这是获取时间序列数据的另一种方法。在
^{pr2}$
以下是一些基本准则。在
当我们进行投资时,我们把钱投资于不同的资产,并在不同的时间段获得回报。例如,短期国库券的投资期限为3个月。我们可以投资一只股票,一周后退出几天。为了使这些不同投资的回报具有可比性,我们需要将这些回报按年计算。因此,所有每日、每周、每月或每季度的收益都将转换为年化收益。收益按年计算的过程如下:
基本思路是将收益复合到一个年度周期。所以,如果我们有月收益,我们知道一年中有12个月,同样有52周,4个季度和365天。我们用全年的周期数来计算回报。在
让我们举几个例子来理解这一点。在
例1:季度回报
假设我们有5%的季度回报。由于一年中有四个季度,每年的回报将是:Annual returns = (1+0.05)^4 – 1 = 21.55%
例2:月度收益
假设我们有2%的月回报率。由于一年中有12个月,每年的回报将是:Annual returns = (1+0.02)^12 – 1 = 26.8%
例3:每周回报
假设我们有0.5%的周回报率。由于一年中有52周,每年的回报将是:Annual returns = (1+0.005)^52 – 1 = 29.6%
例4:每日收益
假设我们有0.1%的日回报率。由于一年中有365天,每年的回报将是:Annual returns = (1+0.001)^365 – 1 = 44.02%
例5:100天退货
实际上,我们可以获得任意天数的回报,并将其转换为年化收益。假设我们在100天内有6%的回报。年度收益将为:Annual returns = (1+0.06)^(365/100) – 1 = 23.69%
然而,年化收益有一个局限性——他们假设我们能够以同样的利率再投资。然而,这并不总是可能的。如果我们一个季度的收益为5%,那么我们无法保证在接下来的三个季度里我们能够复制这些回报。在