Zijn rentevoeten autocorreleerd?
Als je naar dagelijkse veranderingen in rentevoeten kijkt, ligt de autocorrelatie dicht bij nul. Maar als je de data hersampelt en naar jaarlijkse veranderingen kijkt, is de autocorrelatie negatief. Dit betekent dat kortetermijnveranderingen in rentevoeten misschien niet gecorreleerd zijn, terwijl langetermijnveranderingen negatief autocorreleerd zijn. Een dagelijkse stijging of daling zegt waarschijnlijk niets over de rente van morgen, maar een beweging over een jaar kan wel iets zeggen over waar de rente het komende jaar naartoe gaat. En dat is economisch logisch: over langere perioden geldt vaak dat als de rente stijgt, de economie vertraagt, waardoor de rente daarna weer daalt, en omgekeerd.
De DataFrame daily_rates bevat dagelijkse data van 10-jaarsrentevoeten van 1962 tot 2017.
Deze oefening maakt deel uit van de cursus
Tijdreeksanalyse in Python
Oefeninstructies
- Maak een nieuwe DataFrame,
daily_diff, met veranderingen in de dagelijkse rentes met de methode.diff(). - Bereken de autocorrelatie van de kolom
'US10Y'indaily_diffmet de methode.autocorr(). - Gebruik de methode
.resample()met het argumentrule='A'gevolgd door de functie.last()om naar jaarlijkse frequentie om te zetten. - Maak een nieuwe DataFrame,
yearly_diff, met veranderingen in de jaarlijkse rentes en bereken de autocorrelatie, zoals hierboven.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Compute the daily change in interest rates
daily_diff = daily_rates.___
# Compute and print the autocorrelation of daily changes
autocorrelation_daily = daily_diff[___].___
print("The autocorrelation of daily interest rate changes is %4.2f" %(autocorrelation_daily))
# Convert the daily data to annual data
yearly_rates = daily_rates.resample(___).___
# Repeat above for annual data
yearly_diff = yearly_rates.___
autocorrelation_yearly = yearly_diff[___].___
print("The autocorrelation of annual interest rate changes is %4.2f" %(autocorrelation_yearly))