Osserva il clustering della volatilità
Il clustering della volatilità è osservato di frequente nei dati dei mercati finanziari e rappresenta una sfida per la modellazione delle serie temporali.
In questo esercizio prenderai confidenza con il dataset dei prezzi giornalieri dell’S&P 500. Calcolerai i rendimenti giornalieri come variazioni percentuali del prezzo, traccerai i risultati e ne osserverai l’andamento nel tempo.
I dati storici dei prezzi giornalieri dell’S&P 500 sono stati precaricati in sp_price per te.
Questo esercizio fa parte del corso
Modelli GARCH in Python
Istruzioni dell'esercizio
- Calcola i rendimenti giornalieri come variazioni percentuali del prezzo e salvali nel DataFrame
sp_pricein una nuova colonna chiamataReturn. - Visualizza i dati stampando le ultime 10 righe.
- Traccia la colonna
Returne osserva eventuali segnali di clustering della volatilità.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Calculate daily returns as percentage price changes
sp_price['____'] = 100 * (sp_price['Close'].____())
# View the data
print(sp_price.____(____))
# plot the data
plt.plot(sp_price['____'], color = 'tomato', label = 'Daily Returns')
plt.legend(loc='upper right')
plt.show()