Introductie frequentieresampling
Risicofactormodellen steunen vaak op gegevens met verschillende frequenties. Een typisch voorbeeld is het combineren van kwartaalcijfers uit de macro-economie, zoals prijzen, werkloosheidspercentages, enz., met financiële data, die vaak dagelijks (of zelfs intraday) is. Om beide databronnen in hetzelfde model te gebruiken, moeten gegevens met een hogere frequentie worden geresampled zodat ze overeenkomen met de lagere frequentie.
De Pandas-objecten DataFrame en Series hebben een ingebouwde methode .resample() waarmee je de lagere frequentie opgeeft. Deze methode koppel je aan een methode die de statistiek op lagere frequentie berekent, zoals .mean() voor het gemiddelde van de data binnen de nieuwe periode, of .min() voor het minimum van de data.
In deze oefening ga je dagelijkse returns omzetten naar wekelijkse en kwartaalfrequentie.
Deze oefening maakt deel uit van de cursus
Kwantitatief risicobeheer in Python
Oefeninstructies
- Zet
returnsom naar kwartaalfrequentie met het gemiddelde alsreturns_qmet behulp van de methoden.resample()en.mean(). - Bekijk de kop van
returns_qen let erop dat de methode.resample()de datumindex voor je afhandelt. - Zet
returnsnu om naar weekfrequentie met het minimum alsreturns_w, met behulp van de methode.min(). - Bekijk de kop van
returns_w.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Convert daily returns to quarterly average returns
returns_q = returns.____('Q').____
# Examine the beginning of the quarterly series
print(returns_q.____)
# Now convert daily returns to weekly minimum returns
returns_w = ____.resample('W').____
# Examine the beginning of the weekly series
print(returns_w.____)