Korrelation von Risikofaktoren visualisieren
Investmentbanken haben vor und während der Finanzkrise stark in Mortgage-Backed Securities (MBS) investiert. Dadurch sind MBS ein naheliegender Risikofaktor für das Portfolio einer Investmentbank. Du prüfst das mithilfe von Scatterplots zwischen portfolio returns und einem MBS-Risikomaß, der 90-tägigen Hypothekenausfallrate mort_del.
mort_del liegt nur als Quartalsreihe vor. Daher müssen die portfolio_returns zunächst mit der DataFrame-Methode .resample() von täglicher auf quartalsweise Frequenz umgewandelt werden.
In deinem Workspace findest du sowohl portfolio_returns für ein gleichgewichtetetes Portfolio als auch die Variable der Ausfallrate mort_del. Für die Scatterplots sind plot_average und plot_min die Plot-Achsen in deinem Workspace – du fügst deine Scatterplots mit der Methode .scatter() hinzu.
Diese Übung ist Teil des Kurses
Quantitative Risk Management in Python
Anleitung zur Übung
- Wandle die täglichen
portfolio_returnsin durchschnittliche Quartalsdaten um, indem du die Methoden.resample()und.mean()verwendest. - Füge einen Scatterplot zwischen
mort_delundportfolio_q_averagezuplot_averagehinzu. Gibt es eine starke Korrelation? - Erstelle nun Minimum-Quartalsdaten, indem du
.min()statt.mean()verwendest. - Füge einen Scatterplot zwischen
mort_delundportfolio_q_minzuplot_minhinzu.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Transform the daily portfolio_returns into quarterly average returns
portfolio_q_average = portfolio_returns.____('Q').____.dropna()
# Create a scatterplot between delinquency and quarterly average returns
plot_average.____(____, portfolio_q_average)
# Transform daily portfolio_returns returns into quarterly minimum returns
portfolio_q_min = ____.resample('____').____.dropna()
# Create a scatterplot between delinquency and quarterly minimum returns
plot_min.scatter(____, ____)
plt.show()