自己相関を使った有名な戦略

株式でよく見られる不思議なアノマリーのひとつは、投資家がニュースに過剰反応しがちだという点です。大きく上昇または下落した直後に、株価は反転する傾向があります。これは株価の平均回帰と呼ばれます。大きく動いた後に、株価が元の水準へ戻る（回帰する）動きが見られ、典型的には約1週間の期間で観察されます。より数学的には、株式リターンが負の自己相関を持つ、と表現できます。

このシンプルな発想は、実は有名なヘッジファンド戦略の土台になっています。もしこの戦略について詳しく知りたい場合は（本コースの後続内容には必須ではありません）、こちらをご覧ください。

ここでは、2012年から2017年のMSFTの週次リターンの自己相関を確認します。はじめに、日次株価を格納した DataFrame MSFT が与えられます。.resample() メソッドで週次価格に変換し、そこからリターンを計算してください。pandas の .autocorr() メソッドで自己相関を求め、自己相関が負であることを確認します。なお、.autocorr() は Series に対してのみ動作します（1列だけの DataFrame でも不可）ので、DataFrame から該当の列を選択する必要があります。

この演習はコースの一部です

Pythonで学ぶ時系列解析

コースを見る

演習の手順

.resample() メソッドに rule='W' を指定し、続けて .last() を適用して、日次データを週次データに変換します。
.pct_change() メソッドを使って週次価格の変化率を計算し、新しい DataFrame returns を作成します。
DataFrame returns の終値列（列名 'Adj Close'）の Series に対して .autocorr() メソッドを用い、自己相関を計算します。

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。

# Convert the daily data to weekly data
MSFT = MSFT.resample(___).___

# Compute the percentage change of prices
returns = MSFT.___

# Compute and print the autocorrelation of returns
autocorrelation = returns[___].___
print("The autocorrelation of weekly returns is %4.2f" %(autocorrelation))

コードを編集して実行