Методы и примеры кода для инвестиций в компакт-диски и анализа фондового рынка

Для пояснения: компакт-диски не торгуются напрямую на фондовом рынке. Обычно их продают банки или другие финансовые учреждения. Однако я могу предоставить вам несколько примеров кода и методов, связанных с инвестированием в компакт-диски и анализом фондового рынка. Вот несколько методов с примерами кода:

  1. Калькулятор инвестиций в компакт-диски.
    Вы можете создать калькулятор, который поможет пользователям оценить доход от инвестиций в компакт-диски. Вот пример Python:

    principal = 10000  # Initial investment amount
    interest_rate = 0.05  # Annual interest rate
    years = 5  # Investment period in years
    # Calculate the maturity value of the CD
    maturity_value = principal * (1 + interest_rate)  years
    print(f"The maturity value after {years} years will be: ${maturity_value:.2f}")
  2. Инструмент сравнения компакт-дисков.
    Разработайте программу, позволяющую сравнивать различные предложения компакт-дисков от разных банков. Вот пример использования Python:

    cds = [
       {"bank": "Bank A", "rate": 0.03, "term": 12},
       {"bank": "Bank B", "rate": 0.035, "term": 24},
       {"bank": "Bank C", "rate": 0.04, "term": 36}
    ]
    # Find the CD with the highest interest rate
    highest_rate_cd = max(cds, key=lambda cd: cd["rate"])
    print(f"The CD with the highest interest rate is offered by {highest_rate_cd['bank']}.")
  3. Анализ фондового рынка.
    Для анализа фондового рынка вы можете использовать различные методы, такие как технический анализ, фундаментальный анализ или алгоритмы машинного обучения. Вот простой пример использования библиотеки Python Pandas для анализа исторических цен на акции:

    import pandas as pd
    # Load historical stock prices from a CSV file
    df = pd.read_csv('stock_prices.csv')
    # Calculate the 50-day moving average
    df['50-day MA'] = df['Close'].rolling(window=50).mean()
    # Calculate the 200-day moving average
    df['200-day MA'] = df['Close'].rolling(window=200).mean()
    # Plot the stock prices and moving averages
    df.plot(x='Date', y=['Close', '50-day MA', '200-day MA'])