Визуализация корреляции факторов риска
До финансового кризиса и в период его развития инвестиционные банки активно вкладывали средства в ипотечные ценные бумаги (MBS). Именно поэтому MBS являются вероятным фактором риска для портфеля инвестиционного банка. Вы оцените эту связь с помощью диаграмм рассеяния между portfolio returns и показателем риска MBS — 90-дневным уровнем просрочки по ипотечным кредитам mort_del.
Данные mort_del доступны только в квартальной разбивке. Поэтому portfolio_returns сначала необходимо преобразовать из дневной в квартальную частоту с помощью метода DataFrame .resample().
В вашем рабочем пространстве содержатся данные portfolio_returns для равновзвешенного портфеля и переменная уровня просрочки mort_del. Для построения диаграмм рассеяния подготовлены оси графиков plot_average и plot_min — добавьте диаграммы на них с помощью метода .scatter().
Это упражнение является частью курса
Количественное управление рисками на Python
Инструкции к упражнению
- Преобразуйте дневные данные
portfolio_returnsв средние квартальные с помощью методов.resample()и.mean(). - Добавьте диаграмму рассеяния между
mort_delиportfolio_q_averageна осьplot_average. Прослеживается ли выраженная корреляция? - Теперь получите минимальные квартальные данные, используя
.min()вместо.mean(). - Добавьте диаграмму рассеяния между
mort_delиportfolio_q_minна осьplot_min.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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()