Zacznij terazZacznij za darmo

Wizualizacja korelacji czynników ryzyka

Przed kryzysem finansowym i w jego trakcie banki inwestycyjne lokowały znaczne środki w papierach wartościowych zabezpieczonych hipotekami (MBS). Sprawia to, że MBS stanowią prawdopodobny czynnik ryzyka dla portfela banku inwestycyjnego. Ocenisz to, tworząc wykresy punktowe zależności między portfolio returns a miarą ryzyka MBS – 90-dniową stopą zaległości hipotecznych mort_del.

Dane mort_del są dostępne wyłącznie w ujęciu kwartalnym. Dlatego portfolio_returns musi zostać przekształcone z częstotliwości dziennej na kwartalną za pomocą metody .resample().

W obszarze roboczym masz dostęp zarówno do portfolio_returns dla portfela o równych wagach, jak i do zmiennej mort_del reprezentującej stopę zaległości. Do wykresów punktowych przygotowane zostały osie plot_average i plot_min – dodasz do nich wykresy za pomocą metody .scatter().

To ćwiczenie jest częścią kursu

Ilościowe zarządzanie ryzykiem w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Przekształć dzienne dane portfolio_returns na średnie dane kwartalne, używając metod .resample() i .mean().
  • Dodaj wykres punktowy zależności między mort_del a portfolio_q_average do plot_average. Czy widoczna jest silna korelacja?
  • Teraz utwórz minimalne dane kwartalne, używając .min() zamiast .mean().
  • Dodaj wykres punktowy zależności między mort_del a portfolio_q_min do plot_min.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Transform the daily portfolio_returns into quarterly average returns
portfolio_q_average = portfolio_returns.____('Q').____.dropna()

# Create a scatterplot between delinquency and quarterly average returns
plot_average.____(____, portfolio_q_average)

# Transform daily portfolio_returns returns into quarterly minimum returns
portfolio_q_min = ____.resample('____').____.dropna()

# Create a scatterplot between delinquency and quarterly minimum returns
plot_min.scatter(____, ____)
plt.show()
Edytuj i uruchom kod