Obserwacja grupowania zmienności

Grupowanie zmienności (volatility clustering) to zjawisko często spotykane w danych rynków finansowych, które stanowi istotne wyzwanie przy modelowaniu szeregów czasowych.

W tym ćwiczeniu zapoznasz się ze zbiorem danych zawierającym dzienne ceny indeksu S&P 500. Obliczysz dzienne stopy zwrotu jako procentowe zmiany cen, zwizualizujesz wyniki i przeanalizujesz zachowanie danych w czasie.

Historyczne dane dziennych cen indeksu S&P 500 zostały wstępnie załadowane do zmiennej sp_price.

To ćwiczenie jest częścią kursu

Modele GARCH w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Oblicz dzienne stopy zwrotu jako procentowe zmiany cen i zapisz je w DataFrame sp_price w nowej kolumnie o nazwie Return.
Wyświetl dane, drukując ostatnie 10 wierszy.
Narysuj wykres kolumny Return i zaobserwuj oznaki grupowania zmienności.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()

Edytuj i uruchom kod