1. Apprendre
    2. /
  2. Cours
    3. /
  3. Gestion quantitative des risques en Python
Connected

Exercice

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().

Instructions

100 XP
  • 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.