CommencezCommencez gratuitement

Visualiser la corrélation des facteurs de risque

Avant et pendant la crise financière, les banques d'investissement ont beaucoup investi dans des titres adossés à des créances hypothécaires (MBS). Les MBS sont donc un facteur de risque probable pour le portefeuille d'une banque d'investissement. Vous allez l'évaluer à l'aide de nuages de points entre portfolio returns et une mesure de risque MBS, le taux de défaillance hypothécaire sur 90 jours mort_del.

mort_del n'est disponible qu'à une fréquence trimestrielle. Vous devez donc d'abord transformer portfolio_returns d'une fréquence quotidienne à trimestrielle à l'aide de la méthode .resample() d'un DataFrame.

Votre espace de travail contient portfolio_returns pour un portefeuille à pondération égale ainsi que la variable de taux de défaillance mort_del. Pour les nuages de points, plot_average et plot_min sont des axes de tracé dans votre espace de travail — vous y ajouterez vos nuages de points à l'aide de la méthode .scatter().

Cette activité fait partie du cours

Gestion quantitative des risques en Python

Voir le cours

Instructions de l’exercice

  • Transformez les données quotidiennes portfolio_returns en données trimestrielles moyennes à l'aide des méthodes .resample() et .mean().
  • Ajoutez un nuage de points entre mort_del et portfolio_q_average à plot_average. Y a-t-il une forte corrélation?
  • Créez maintenant des données trimestrielles minimales en utilisant .min() plutôt que .mean().
  • Ajoutez un nuage de points entre mort_del et portfolio_q_min à plot_min.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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()
Modifier et exécuter le code