CommencerCommencer gratuitement

Visualiser la corrélation des facteurs de risque

Avant et pendant la crise financière, les banques d’investissement ont fortement misé sur les 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 les portfolio returns et une mesure de risque MBS, le taux de défaut sur prêts hypothécaires à 90 jours mort_del.

mort_del n’est disponible qu’au format trimestriel. Les portfolio_returns doivent donc d’abord être convertis d’une fréquence quotidienne à une fréquence trimestrielle à l’aide de la méthode .resample() des DataFrame.

Votre espace de travail contient à la fois les portfolio_returns d’un portefeuille équipondéré et la variable de taux de défaut 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 avec la méthode .scatter().

Cet exercice fait partie du cours

Gestion quantitative des risques en Python

Afficher le cours

Instructions

  • 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. La corrélation est‑elle forte ?
  • Créez maintenant des données trimestrielles minimales en utilisant .min() au lieu de .mean().
  • Ajoutez un nuage de points entre mort_del et portfolio_q_min à plot_min.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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