Introduction au rééchantillonnage des fréquences
Les modèles de facteurs de risque s’appuient souvent sur des données de fréquences différentes. Un exemple courant consiste à combiner des données macroéconomiques trimestrielles, comme les prix, les taux de chômage, etc., avec des données financières, souvent quotidiennes (voire intrajournalières). Pour utiliser ces deux sources dans un même modèle, les données à plus haute fréquence doivent être rééchantillonnées pour correspondre à la fréquence la plus basse.
Les objets Pandas DataFrame et Series disposent d’une méthode intégrée .resample() qui permet de spécifier la fréquence plus basse. Cette méthode est chaînée avec une méthode pour calculer la statistique à la fréquence inférieure, comme .mean() pour la moyenne des données sur la nouvelle période, ou .min() pour le minimum.
Dans cet exercice, vous allez vous entraîner à convertir des données quotidiennes returns en fréquences hebdomadaire et trimestrielle.
Cet exercice fait partie du cours
Gestion quantitative des risques en Python
Instructions
- Convertissez
returnsen moyenne trimestriellereturns_qà l’aide des méthodes.resample()et.mean(). - Examinez les premières lignes de
returns_q, en notant que la méthode.resample()gère pour vous l’index de dates. - Convertissez maintenant
returnsen minimum hebdomadairereturns_w, à l’aide de la méthode.min(). - Examinez les premières lignes de
returns_w.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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.____)