Visualización de la correlación de los factores de riesgo
Los bancos de inversión invirtieron fuertemente en valores respaldados por hipotecas (MBS) antes y durante la crisis financiera. Esto hace que MBS sea un factor de riesgo probable para el portafolio de los bancos de inversión. Lo evaluarás utilizando diagramas de dispersión entre portfolio returns y una medida del riesgo de MBS, la tasa de morosidad hipotecaria a 90 días mort_del.
mort_del solo está disponible como dato trimestral. Así que primero hay que transformar portfolio_returns de frecuencia diaria a trimestral utilizando el método .resample() del DataFrame.
Tu espacio de trabajo contiene tanto portfolio_returns para un portafolio de igual peso como la variable de tasa de morosidad mort_del. Para los diagramas de dispersión, plot_average y plot_min son ejes de representación en tu espacio de trabajo: les añadirás tus diagramas de dispersión utilizando el método .scatter().
Este ejercicio forma parte del curso
Gestión cuantitativa de riesgos en Python
Instrucciones del ejercicio
- Transforma los datos diarios de
portfolio_returnsen datos medios trimestrales utilizando los métodos.resample()y.mean(). - Añade un diagrama de dispersión entre
mort_delyportfolio_q_averageaplot_average. ¿Existe una fuerte correlación? - Ahora crea datos trimestrales mínimos utilizando
.min()en lugar de.mean(). - Añade un diagrama de dispersión entre
mort_delyportfolio_q_minaplot_min.
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
# 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()