Začněte nyníZačněte zdarma

Bootstrapové intervaly spolehlivosti

V předchozí části jsi zjistil/a, že mezi indexem S&P 500 a Bitcoinem existuje určitá míra korelace. Jedním ze způsobů, jak ji změřit, je Pearsonův korelační koeficient R. Ten ale poskytuje pouze bodový odhad. V některých obdobích může být korelace mezi oběma aktivy poměrně těsná, jindy se zase chovají zcela nezávisle. Jak tedy popsat tuto proměnlivost? Jednou z možností je sestavit bootstrapový interval spolehlivosti pro korelační koeficient. A přesně to teď uděláš!

K dispozici máš DataFrame s cenami S&P 500 a Bitcoinu (btc_sp_df) a také balíčky pandas jako pd, NumPy jako np a stats ze SciPy.

Toto cvičení je součástí kurzu

Základy statistické inference v Pythonu

Zobrazit kurz

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Compute the daily percent change of each asset
btc_sp_df['Pct_Daily_Change_BTC'] = (____['Open_BTC'] - ____['Close_BTC']) / ____['Open_BTC']
btc_sp_df['Pct_Daily_Change_SP500'] = ____

# Write a function which returns the correlation coefficient
def pearson_r(x, y):
    return stats.____[0]
  
# Compute a bootstrap confidence interval
ci = stats.bootstrap((____, ____), 
                     statistic=____, 
                     vectorized=False, paired=True, n_resamples=1000, random_state=1)

print(ci.confidence_interval)
Upravit a spustit kód