Velikost účinku pro korelace
Volatilita aktiva je zhruba definována tím, jak moc se mění jeho cena. V tomto cvičení budeš měřit volatilitu na denní bázi – jako (nejvyšší cena - nejnižší cena) / závěrečná cena.
Jaké faktory ovlivňují volatilitu Bitcoinu? Souvisí s ní úzce i volatilita indexu S&P 500? Roste nebo klesá volatilita s růstem ceny? Jinými slovy – jaká je velikost účinku korelace mezi těmito různými faktory? V tomto cvičení obě tyto velikosti účinku vypočítáš.
DataFrame s cenami S&P 500 a Bitcoinu (btc_sp_df) je již načtený, stejně jako balíčky pandas jako pd, NumPy jako np, Matplotlib jako plt a stats ze SciPy.
Toto cvičení je součástí kurzu
Základy statistické inference v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Compute the volatility of Bitcoin
btc_sp_df['Volatility_BTC'] = ____
# Compute the volatility of the S&P500
btc_sp_df['Volatility_SP500'] = ____
# Compute and print R^2 between the volatility of BTC and SP500
r_volatility, p_value_volatility = ____
print('R^2 between volatility of the assets:', ____)
# Compute and print R^2 between the volatility of BTC and the closing price of BTC
r_closing, p_value_closing = ____
print('R^2 between closing price and volatility of BTC:', ____)