Dimensiunea efectului pentru corelații
Volatilitatea unui activ este definită, în linii mari, prin cât de mult îi variază prețul. În acest exercițiu vei măsura volatilitatea zilnică, definită ca (prețul maxim - prețul minim) / prețul de închidere.
Ce factori explică volatilitatea Bitcoin? Volatilitatea indicelui S&P500 este strâns legată de aceasta? Volatilitatea crește sau scade pe măsură ce prețurile urcă? Cu alte cuvinte, care este dimensiunea efectului corelației dintre acești factori diferiți? În acest exercițiu vei calcula ambele dimensiuni ale efectului.
Un DataFrame cu prețurile S&P 500 și Bitcoin (btc_sp_df) a fost încărcat pentru tine, alături de bibliotecile pandas ca pd, NumPy ca np, Matplotlib ca plt și stats din SciPy.
Acest exercițiu face parte din cursul
Bazele inferenței în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Compute the volatility of Bitcoin
btc_sp_df['Volatility_BTC'] = ____
# Compute the volatility of the S&P500
btc_sp_df['Volatility_SP500'] = ____
# Compute and print R^2 between the volatility of BTC and SP500
r_volatility, p_value_volatility = ____
print('R^2 between volatility of the assets:', ____)
# Compute and print R^2 between the volatility of BTC and the closing price of BTC
r_closing, p_value_closing = ____
print('R^2 between closing price and volatility of BTC:', ____)