Observer l'agrégation de la volatilité

L'agrégation de la volatilité est fréquemment observée dans les données des marchés financiers et complique la modélisation des séries chronologiques.

Dans cet exercice, vous vous familiariserez avec l'ensemble de données des prix quotidiens du S&P 500. Vous allez calculer les rendements quotidiens comme variations de prix en pourcentage, tracer les résultats et observer leur comportement dans le temps.

Les données historiques quotidiennes du S&P 500 ont été préchargées dans sp_price pour vous.

Cette activité fait partie du cours

Modèles GARCH en Python

Voir le cours

Instructions de l’exercice

Calculez les rendements quotidiens comme variations de prix en pourcentage et enregistrez-les dans le DataFrame sp_price dans une nouvelle colonne nommée Return.
Affichez les données en imprimant les 10 dernières lignes.
Tracez la colonne Return et repérez les signes d'agrégation de la volatilité.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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()

Modifier et exécuter le code