Размер эффекта для корреляций
Волатильность актива в общем смысле определяется тем, насколько сильно меняется его цена. В этом упражнении вы будете измерять волатильность в расчёте на один день: она вычисляется как (максимальная цена – минимальная цена) / цена закрытия.
Какие факторы объясняют волатильность Bitcoin? Насколько тесно с ней связана волатильность индекса S&P 500? Растёт или снижается волатильность по мере роста цены? Иначе говоря, каков размер эффекта корреляции между этими различными факторами? В этом упражнении вы вычислите оба значения размера эффекта.
Для вас загружен DataFrame с ценами S&P 500 и Bitcoin (btc_sp_df), а также пакеты: pandas как pd, NumPy как np, Matplotlib как plt и stats из SciPy.
Это упражнение является частью курса
Основы статистического вывода на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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:', ____)