ÎncepețiÎncepe gratuit

Intervale de încredere prin bootstrap

Ai văzut anterior că există un anumit grad de corelație între S&P 500 și Bitcoin. O modalitate de a o măsura este să calculezi coeficientul de corelație Pearson R dintre cele două. Totuși, acest lucru produce doar o estimare punctuală. Probabil că, în anumite momente, corelația dintre cele două este destul de strânsă, iar în altele se comportă foarte diferit. Cum poți caracteriza această variabilitate? O abordare este să construiești un interval de încredere prin bootstrap pentru coeficientul de corelație. Exact asta vei face acum!

Un DataFrame cu prețurile S&P 500 și Bitcoin (btc_sp_df) a fost încărcat pentru tine, alături de pachetele pandas ca pd, NumPy ca np și stats din SciPy.

Acest exercițiu face parte din cursul

Bazele inferenței în Python

Vezi cursul

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Compute the daily percent change of each asset
btc_sp_df['Pct_Daily_Change_BTC'] = (____['Open_BTC'] - ____['Close_BTC']) / ____['Open_BTC']
btc_sp_df['Pct_Daily_Change_SP500'] = ____

# Write a function which returns the correlation coefficient
def pearson_r(x, y):
    return stats.____[0]
  
# Compute a bootstrap confidence interval
ci = stats.bootstrap((____, ____), 
                     statistic=____, 
                     vectorized=False, paired=True, n_resamples=1000, random_state=1)

print(ci.confidence_interval)
Editează și rulează codul