相関における効果量
資産のボラティリティは、おおまかにその価格がどれだけ変動するかで定義されます。この演習では、1日あたりのボラティリティを (高値 − 安値) / 終値 として定義して測定します。
Bitcoin のボラティリティを説明する要因は何でしょうか？S&P500 のボラティリティはこれと密接に関係していますか？価格が上がるとボラティリティは上がる（または下がる）のでしょうか？言い換えると、これらの異なる要因間の相関の効果量はどれくらいでしょうか？この演習では、これら両方の効果量を計算します。
S&P500 と Bitcoin の価格の DataFrame（btc_sp_df）が用意されています。pandas は pd、NumPy は np、Matplotlib は plt、SciPy からは stats が読み込まれています。
この演習はコースの一部です
Pythonで学ぶ推測の基礎
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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:', ____)