Mulai sekarangMulai gratis

Interval kepercayaan bootstrap

Sebelumnya Anda melihat bahwa ada tingkat korelasi antara S&P 500 dan Bitcoin. Salah satu cara untuk mengukurnya adalah dengan melihat koefisien korelasi Pearson's R di antara keduanya. Namun, hal itu hanya menghasilkan taksiran titik. Besar kemungkinan, pada waktu tertentu korelasinya cukup kuat, sementara pada waktu lain keduanya berperilaku sangat berbeda. Bagaimana Anda dapat menggambarkan variabilitasnya? Salah satu pendekatan adalah membuat interval kepercayaan bootstrap untuk koefisien korelasi di antara keduanya. Itulah yang akan Anda lakukan sekarang!

Sebuah DataFrame harga S&P 500 dan Bitcoin (btc_sp_df) telah disiapkan untuk Anda, begitu juga paket pandas sebagai pd, NumPy sebagai np, dan stats dari SciPy.

Latihan ini merupakan bagian dari kursus

Dasar-dasar Inferensi di Python

Lihat Kursus

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Compute the daily percent change of each asset
btc_sp_df['Pct_Daily_Change_BTC'] = (____['Open_BTC'] - ____['Close_BTC']) / ____['Open_BTC']
btc_sp_df['Pct_Daily_Change_SP500'] = ____

# Write a function which returns the correlation coefficient
def pearson_r(x, y):
    return stats.____[0]
  
# Compute a bootstrap confidence interval
ci = stats.bootstrap((____, ____), 
                     statistic=____, 
                     vectorized=False, paired=True, n_resamples=1000, random_state=1)

print(ci.confidence_interval)
Edit dan Jalankan Kode