CommencezCommencez gratuitement

Introduction au rééchantillonnage des fréquences

Les modèles de facteurs de risque s'appuient souvent sur des données de fréquences différentes. Un exemple courant est l'utilisation de données macroéconomiques trimestrielles, comme les prix, les taux de chômage, etc., avec des données financières, qui sont souvent quotidiennes (voire intrajournalières). Pour utiliser ces deux sources dans un même modèle, les données à plus haute fréquence doivent être rééchantillonnées afin de correspondre à la fréquence plus basse.

Les objets Pandas DataFrame et Series offrent une méthode intégrée .resample() qui permet de préciser la fréquence plus basse. On enchaîne ensuite avec une méthode pour calculer la statistique à cette fréquence, comme .mean() pour la moyenne des données au sein de la nouvelle période, ou .min() pour le minimum des données.

Dans cet exercice, vous pratiquerez la conversion de données de returns quotidiennes en fréquences hebdomadaire et trimestrielle.

Cette activité fait partie du cours

Gestion quantitative des risques en Python

Voir le cours

Instructions de l’exercice

  • Convertissez returns en fréquence trimestrielle en calculant la moyenne returns_q à l'aide des méthodes .resample() et .mean().
  • Examinez l'en-tête de returns_q, en notant que la méthode .resample() gère pour vous l'index de dates.
  • Convertissez maintenant returns en fréquence hebdomadaire en calculant le minimum returns_w, à l'aide de la méthode .min().
  • Examinez l'en-tête de returns_w.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Convert daily returns to quarterly average returns
returns_q = returns.____('Q').____

# Examine the beginning of the quarterly series
print(returns_q.____)

# Now convert daily returns to weekly minimum returns
returns_w = ____.resample('W').____

# Examine the beginning of the weekly series
print(returns_w.____)
Modifier et exécuter le code