시작하기무료로 시작하기

리스크 요인 상관관계 시각화

투자은행들은 금융위기 전후로 주택저당증권(MBS)에 대규모로 투자했습니다. 따라서 MBS는 투자은행 포트폴리오의 잠재적 리스크 요인일 가능성이 큽니다. 이를 평가하기 위해 portfolio returns와 MBS 리스크 지표인 90일 주택담보대출 연체율 mort_del 사이의 산점도를 확인해 보겠습니다.

mort_del은 분기 데이터로만 제공됩니다. 따라서 먼저 DataFrame의 .resample() 메서드를 사용해 portfolio_returns를 일간에서 분기 빈도로 변환해야 합니다.

작업 공간에는 동일가중 포트폴리오의 portfolio_returns와 연체율 변수 mort_del이 준비되어 있습니다. 산점도를 그리기 위해 plot_average와 plot_min이라는 플롯 축이 제공되며, 여기에 .scatter() 메서드를 사용해 산점도를 추가할 거예요.

이 연습은 강의의 일부입니다

Python을 활용한 정량적 리스크 관리

강의 보기

연습 안내

  • .resample()과 .mean() 메서드를 사용해 일간 portfolio_returns 데이터를 분기 평균 데이터로 변환하세요.
  • mort_del과 portfolio_q_average의 산점도를 plot_average에 추가하세요. 상관관계가 강한가요?
  • 이제 .mean() 대신 .min()을 사용해 분기 최솟값 데이터를 생성하세요.
  • mort_del과 portfolio_q_min의 산점도를 plot_min에 추가하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Transform the daily portfolio_returns into quarterly average returns
portfolio_q_average = portfolio_returns.____('Q').____.dropna()

# Create a scatterplot between delinquency and quarterly average returns
plot_average.____(____, portfolio_q_average)

# Transform daily portfolio_returns returns into quarterly minimum returns
portfolio_q_min = ____.resample('____').____.dropna()

# Create a scatterplot between delinquency and quarterly minimum returns
plot_min.scatter(____, ____)
plt.show()
코드 편집 및 실행