Czy stopy procentowe są autokorelowane?
Gdy przyjrzysz się dziennym zmianom stóp procentowych, autokorelacja jest bliska zeru. Jednak po próbkowaniu danych i analizie zmian rocznych autokorelacja okazuje się ujemna. Oznacza to, że choć krótkoterminowe zmiany stóp procentowych mogą być nieskorelowane, długoterminowe wykazują ujemną autokorelację. Dzienna zmiana stóp procentowych – w górę lub w dół – raczej nic nie powie o jutrzejszych stopach. Natomiast zmiana na przestrzeni roku może wskazywać, w jakim kierunku stopy podążą w kolejnym roku. Ma to sens z ekonomicznego punktu widzenia: w długich horyzontach czasowych wzrost stóp procentowych spowalnia gospodarkę, co z kolei powoduje ich spadek – i odwrotnie.
DataFrame daily_rates zawiera dzienne dane dotyczące 10-letnich stóp procentowych z lat 1962–2017.
To ćwiczenie jest częścią kursu
Analiza szeregów czasowych w Pythonie
Instrukcje do ćwiczenia
- Utwórz nowy DataFrame
daily_diffzawierający zmiany dziennych stóp, używając metody.diff(). - Oblicz autokorelację kolumny
'US10Y'wdaily_diff, korzystając z metody.autocorr(). - Użyj metody
.resample()z argumentemrule='A', a następnie funkcji.last(), aby przekonwertować dane na częstotliwość roczną. - Utwórz nowy DataFrame
yearly_diffzawierający zmiany rocznych stóp i oblicz autokorelację w analogiczny sposób.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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))