Ukuran efek untuk korelasi
Volatilitas suatu aset secara kasar didefinisikan oleh seberapa besar perubahan harganya. Dalam latihan ini Anda akan mengukur volatilitas harian, yang didefinisikan sebagai (harga tertinggi - harga terendah) / harga penutupan.
Faktor apa yang menjelaskan volatilitas Bitcoin? Apakah volatilitas S&P 500 berkaitan erat dengan hal ini? Apakah volatilitas meningkat atau menurun saat harga naik? Dengan kata lain, berapa ukuran efek dari korelasi antara berbagai faktor ini? Anda akan menghitung kedua ukuran efek tersebut dalam latihan ini.
Sebuah DataFrame berisi harga S&P 500 dan Bitcoin (btc_sp_df) telah dimuat untuk Anda, begitu juga paket pandas sebagai pd, NumPy sebagai np, Matplotlib sebagai plt, dan stats dari SciPy.
Latihan ini adalah bagian dari kursus
Dasar-dasar Inferensi di Python
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Compute the volatility of Bitcoin
btc_sp_df['Volatility_BTC'] = ____
# Compute the volatility of the S&P500
btc_sp_df['Volatility_SP500'] = ____
# Compute and print R^2 between the volatility of BTC and SP500
r_volatility, p_value_volatility = ____
print('R^2 between volatility of the assets:', ____)
# Compute and print R^2 between the volatility of BTC and the closing price of BTC
r_closing, p_value_closing = ____
print('R^2 between closing price and volatility of BTC:', ____)