Observeer volatiliteitsclustering

Volatiliteitsclustering wordt vaak gezien in financiële marktdata en vormt een uitdaging voor tijdreeksmodellering.

In deze oefening maak je kennis met de dagelijkse S&P 500-prijsgegevens. Je berekent de dagrendementen als procentuele prijsveranderingen, maakt een plot van de resultaten en bekijkt het gedrag door de tijd heen.

Historische dagelijkse S&P 500-prijsdata is alvast voor je ingeladen in sp_price.

Deze oefening maakt deel uit van de cursus

GARCH-modellen in Python

Bekijk cursus

Oefeninstructies

Bereken de dagrendementen als procentuele prijsveranderingen en sla ze op in de DataFrame sp_price in een nieuwe kolom Return.
Bekijk de data door de laatste 10 rijen af te drukken.
Plot de kolom Return en let op signalen van volatiliteitsclustering.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# 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()

Code bewerken en uitvoeren