Pozorování shlukování volatility

Shlukování volatility je jev, který se ve finančních datech vyskytuje velmi často a představuje výzvu při modelování časových řad.

V tomto cvičení se seznámíš s datasetem denních cen indexu S&P 500. Vypočítáš denní výnosy jako procentuální změny cen, výsledky zobrazíš v grafu a sleduj, jak se vyvíjejí v čase.

Historická data denních cen indexu S&P 500 jsou pro tebe předem načtena v proměnné sp_price.

Toto cvičení je součástí kurzu

GARCH modely v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vypočítej denní výnosy jako procentuální změny cen a ulož je do DataFrame sp_price jako nový sloupec s názvem Return.
Zobraz data výpisem posledních 10 řádků.
Vykresli sloupec Return a sleduj, zda se v datech projevuje shlukování volatility.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Calculate daily returns as percentage price changes
sp_price['____'] = 100 * (sp_price['Close'].____())

# View the data
print(sp_price.____(____))

# plot the data
plt.plot(sp_price['____'], color = 'tomato', label = 'Daily Returns')
plt.legend(loc='upper right')
plt.show()

Upravit a spustit kód