Visualizando a correlação entre fatores de risco
Bancos de investimento investiram fortemente em títulos lastreados em hipotecas (MBS) antes e durante a crise financeira. Isso torna MBS um provável fator de risco para a carteira do banco de investimento. Você vai avaliar isso usando gráficos de dispersão entre portfolio returns e uma medida de risco de MBS, a taxa de inadimplência de hipotecas em 90 dias mort_del.
mort_del está disponível apenas como dados trimestrais. Portanto, portfolio_returns precisa primeiro ser transformada de frequência diária para trimestral usando o método .resample() do DataFrame.
Seu ambiente de trabalho contém tanto portfolio_returns para uma carteira com pesos iguais quanto a variável de taxa de inadimplência mort_del. Para os gráficos de dispersão, plot_average e plot_min são eixos de plotagem no seu ambiente — você vai adicionar seus gráficos de dispersão a eles usando o método .scatter().
Este exercício faz parte do curso
Gerenciamento Quantitativo de Risco em Python
Instruções do exercício
- Transforme os dados diários de
portfolio_returnsem dados trimestrais médios usando os métodos.resample()e.mean(). - Adicione um gráfico de dispersão entre
mort_deleportfolio_q_averageaplot_average. Há uma correlação forte? - 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()