Zacznij terazZacznij za darmo

Wprowadzenie do próbkowania częstotliwości

Modele czynników ryzyka często korzystają z danych o różnych częstotliwościach. Typowym przykładem jest łączenie kwartalnych danych makroekonomicznych – takich jak ceny czy stopy bezrobocia – z danymi finansowymi, które zazwyczaj mają częstotliwość dzienną (lub nawet śróddzienną). Aby użyć obu źródeł danych w jednym modelu, dane o wyższej częstotliwości muszą zostać spróbkowane do niższej częstotliwości.

Obiekty DataFrame i Series biblioteki Pandas mają wbudowaną metodę .resample(), która określa docelową, niższą częstotliwość. Metodę tę łączy się łańcuchem z metodą obliczającą statystykę dla nowej częstotliwości – np. .mean() dla średniej z danych w nowym okresie lub .min() dla wartości minimalnej.

W tym ćwiczeniu przećwiczysz konwersję dziennych danych returns do częstotliwości tygodniowej i kwartalnej.

To ćwiczenie jest częścią kursu

Ilościowe zarządzanie ryzykiem w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Przekształć returns do kwartalnej średniej returns_q, korzystając z metod .resample() i .mean().
  • Wyświetl nagłówek returns_q – zwróć uwagę, że metoda .resample() automatycznie dostosowuje indeks dat.
  • Teraz przekształć returns do tygodniowego minimum returns_w, używając metody .min().
  • Wyświetl nagłówek returns_w.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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.____)
Edytuj i uruchom kod