ボラティリティ・クラスタリングを観察する
ボラティリティのクラスタリングは金融市場データでよく見られ、時系列モデリングの課題となります。
この演習では、S&P 500 の日次価格データに慣れていきます。価格の前日比（パーセンテージ変化）として日次リターンを計算し、結果をプロットして、時間とともにどのように変動するかを観察します。
S&P 500 の過去の日次価格データは、sp_price にあらかじめ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GARCHモデル
演習の手順
- 価格のパーセンテージ変化として日次リターンを計算し、DataFrame
sp_priceにReturnという新しい列で保存します。 - データを確認するため、末尾の10行を出力します。
Return列をプロットし、ボラティリティ・クラスタリングの兆候を観察します。
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。
# 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()