Наблюдение кластеризации волатильности

Кластеризация волатильности — широко распространённое явление на финансовых рынках, которое существенно усложняет моделирование временных рядов.

В этом упражнении вы познакомитесь с набором данных о ежедневных ценах индекса S&P 500. Вы вычислите дневную доходность как процентное изменение цены, построите график результатов и проанализируете поведение данных во времени.

Исторические данные о ежедневных ценах S&P 500 уже загружены в переменную sp_price.

Это упражнение является частью курса

Модели GARCH на Python

Посмотреть курс

Инструкции к упражнению

Вычислите дневную доходность как процентное изменение цены и сохраните результат в новый столбец Return в DataFrame sp_price.
Просмотрите данные, выведя на экран последние 10 строк.
Постройте график столбца Return и обратите внимание на признаки кластеризации волатильности.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Calculate daily returns as percentage price changes
sp_price['____'] = 100 * (sp_price['Close'].____())

# View the data
print(sp_price.____(____))

# plot the data
plt.plot(sp_price['____'], color = 'tomato', label = 'Daily Returns')
plt.legend(loc='upper right')
plt.show()

Редактировать и запускать код