Dimensione dell'effetto per le correlazioni
La volatilità di un asset è definita approssimativamente da quanto varia il suo prezzo. In questo esercizio misurerai la volatilità su base giornaliera, definita come (prezzo massimo - prezzo minimo) / prezzo di chiusura.
Quali fattori spiegano la volatilità del Bitcoin? La volatilità dell’S&P 500 è strettamente correlata a questa? La volatilità aumenta o diminuisce quando i prezzi salgono? In altre parole, qual è la dimensione dell’effetto della correlazione tra questi diversi fattori? In questo esercizio calcolerai entrambe queste dimensioni dell’effetto.
Un DataFrame con i prezzi di S&P 500 e Bitcoin (btc_sp_df) è già stato caricato per te, così come i pacchetti pandas come pd, NumPy come np, Matplotlib come plt e stats da SciPy.
Questo esercizio fa parte del corso
Fondamenti dell'inferenza in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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:', ____)