Louis Vuitton покорение кризисов

Фондовый рынок обычно воспринимают как хаотичную среду, где цены скачут из-за новостей, паники и спекуляций. Но если посмотреть на люксовые бренды, картина становится интереснее. Их акции отражают не только обстановку на мировых рынках, но и вещь, которую трудно измерить напрямую: силу имени, устойчивый спрос и доверие покупателей.

В этом проекте я изучаю динамику акций люксового бренда Louis Vuitton(LVMH), а также других французских компаний: Hermès, Christian Dior и Kering. Период охватывает двадцать два года с крупными кризисами вроде 2008-го и 2020-го. Мне хотелось понять, как бренды, чья продукция ассоциируется с традицией и престижем, ведут себя в моменты, когда экономика трещит по швам.

Для работы я использовала открытый датасет с историческими котировками четырёх французских люксовых брендов: LVMH, Hermès, Christian Dior и Kering. Датасет включает в себя: даты торгов, цены закрытия, скорректированные значения и объёмы.

Для визуализации данных были выбраны несколько типов графиков:

1. Линейные графики отображают изменение стоимости акций во времени и позволяют отслеживать динамику.
2. Комбинированные линейные графики показывают краткосрочные изменения на фоне долгосрочного тренда.
3. Столбчатые диаграммы отображают объём торгов и помогают определить периоды повышенной или сниженной рыночной активности.
4. Гистограммы показывают, насколько часто акции растут или падают.

На этом этапе загружаем данные из CSV-файла в датафрейм с помощью библиотеки Pandas. Проверяем структуру таблицы и корректность чтения столбцов.

На первом этапе выполняется первичная обработка исходного датасета с котировками акций французских люксовых брендов. Столбцы приводятся к корректному формату, даты преобразуются в тип datetime, а числовые значения — в числовой формат. Далее данные очищаются от пропусков в ключевых показателях и упорядочиваются по времени, что позволяет корректно работать с временными рядами и проводить дальнейший анализ.

После подготовки данных для каждого бренда формируются дополнительные аналитические признаки. Рассчитывается дневная доходность акций с использованием pct_change(), а также логарифмическая доходность, которая применяется для анализа динамики цен во времени. Для выявления долгосрочных тенденций строится скользящее среднее цены за 252 торговых дня. Дополнительно рассчитывается годовая волатильность на основе стандартного отклонения дневных доходностей в том же окне. Эти признаки позволяют анализировать поведение акций, уровень риска и устойчивость брендов на длинной временной дистанции.

Для всех визуализаций задаётся единый визуальный стиль. Определяется цветовая палитра, основанная на фирменных цветах Louis Vuitton, а также индивидуальные цвета для других брендов. С помощью настроек matplotlib задаются фон графиков, цвет осей, подписей и сетки, что обеспечивает визуальную согласованность всех графиков. Отдельно настраиваем заголовки графиков с использованием шрифта Futura PT Medium.

Для анализа долгосрочной динамики используется линейный график скорректированной цены закрытия (Adj Close). Данные предварительно упорядочены по дате, что позволяет корректно работать с временным рядом. На график дополнительно нанесены кризисные интервалы с помощью axvspan(), что визуально отделяет периоды рыночных потрясений от стабильных фаз. Форматирование временной оси выполняется с использованием YearLocator и DateFormatter, обеспечивая читаемость на длинном временном интервале.

Для анализа торговой активности построен линейный график объёма торгов по времени. Поскольку дневные значения объёма сильно шумные и содержат резкие пики, дополнительно рассчитывается сглаженная линия с помощью скользящего среднего rolling(60).mean(). Это позволяет увидеть общий уровень активности рынка без влияния единичных всплесков.

Для анализа распределения дневной доходности используется scatter-график, на котором каждая точка соответствует одному торговому дню. По оси времени отложены даты торгов, по вертикальной оси — дневная доходность, рассчитанная с помощью pct_change() и выраженная в процентах. Такой формат позволяет одновременно видеть как общий уровень колебаний, так и отдельные экстремальные значения. График наглядно показывает, что именно кризисные периоды сопровождаются ростом волатильности и увеличением числа выбросов, тогда как в стабильные годы дневные изменения цены концентрируются вблизи медианного уровня.