시작하기무료로 시작하기

부트스트랩 신뢰 구간

앞서 S&P 500과 Bitcoin 사이에 어느 정도 상관이 있음을 보셨습니다. 이를 측정하는 한 가지 방법은 두 자산 간의 피어슨 상관계수 Pearson's R을 확인하는 것입니다. 하지만 이렇게 하면 점 추정치만 얻습니다. 시점에 따라 두 자산의 상관이 꽤 높을 때도 있고, 전혀 다르게 움직일 때도 있겠죠. 이러한 변동성을 어떻게 정량화할 수 있을까요? 한 가지 접근법은 두 자산 간 상관계수에 대한 부트스트랩 신뢰 구간을 만드는 것입니다. 지금 그 작업을 직접 해 보겠습니다!

S&P 500과 Bitcoin 가격이 담긴 DataFrame(btc_sp_df)이 로드되어 있으며, 패키지 pandas는 pd, NumPy는 np, SciPy의 stats도 미리 임포트되어 있습니다.

이 연습은 강의의 일부입니다

Python에서 배우는 추론 통계 기초

강의 보기

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Compute the daily percent change of each asset
btc_sp_df['Pct_Daily_Change_BTC'] = (____['Open_BTC'] - ____['Close_BTC']) / ____['Open_BTC']
btc_sp_df['Pct_Daily_Change_SP500'] = ____

# Write a function which returns the correlation coefficient
def pearson_r(x, y):
    return stats.____[0]
  
# Compute a bootstrap confidence interval
ci = stats.bootstrap((____, ____), 
                     statistic=____, 
                     vectorized=False, paired=True, n_resamples=1000, random_state=1)

print(ci.confidence_interval)
코드 편집 및 실행