Visualização da correlação de fatores de risco
Os bancos de investimento investiram pesadamente em títulos lastreados em hipotecas (MBS) antes e durante a crise financeira. Isso torna o site MBS um fator de risco provável para o portfólio do banco de investimento. Você avaliará isso usando gráficos de dispersão entre portfolio returns e uma medida de risco MBS, a taxa de inadimplência hipotecária de 90 dias mort_del.
mort_del está disponível apenas como dados trimestrais. Portanto, o site portfolio_returns precisa primeiro ser transformado de frequência diária para trimestral usando o método DataFrame .resample().
Seu espaço de trabalho contém portfolio_returns para um portfólio ponderado igual e a variável de taxa de inadimplência mort_del. Para os gráficos de dispersão, plot_average e plot_min são eixos de plotagem em seu espaço de trabalho - você adicionará seus gráficos de dispersão a eles usando o método .scatter().
Este exercício faz parte do curso
Gerenciamento quantitativo de riscos em Python
Instruções do exercício
- Transforme os dados diários do site
portfolio_returnsem dados trimestrais médios usando os métodos.resample()e.mean(). - Adicione um gráfico de dispersão entre
mort_deleportfolio_q_averageaplot_average. Existe uma forte correlação? - Agora, crie dados trimestrais mínimos usando
.min()em vez de.mean(). - Adicione um gráfico de dispersão entre
mort_deleportfolio_q_minaplot_min.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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()