Kom igångKom igång gratis

Introduktion till frekvensomsampling

Riskfaktormodeller bygger ofta på data med olika frekvenser. Ett vanligt exempel är när man kombinerar kvartalsvisa makroekonomiska data – som priser och arbetslöshetssiffror – med finansiella data, som ofta är dagliga (eller till och med intra-dagliga). För att kunna använda båda datakällorna i samma modell behöver data med högre frekvens samplas om för att matcha den lägre frekvensen.

Pandas-objekten DataFrame och Series har en inbyggd metod, .resample(), som anger den lägre frekvensen. Denna metod kedjas ihop med en metod som beräknar statistik för den nya frekvensen – till exempel .mean() för medelvärdet inom den nya frekvensperioden, eller .min() för minimivärdet.

I den här övningen får du träna på att konvertera daglig returns-data till vecko- och kvartalsfrekvens.

Den här övningen är en del av kursen

Kvantitativ riskhantering i Python

Visa kurs

Övningsinstruktioner

  • Konvertera returns till kvartalsvis genomsnittsfrekvens i returns_q med metoderna .resample() och .mean().
  • Undersök rubrikraderna i returns_q och notera att .resample() hanterar datumindexet åt dig.
  • Konvertera nu returns till veckominimum i returns_w med metoden .min().
  • Undersök rubrikraderna i returns_w.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Convert daily returns to quarterly average returns
returns_q = returns.____('Q').____

# Examine the beginning of the quarterly series
print(returns_q.____)

# Now convert daily returns to weekly minimum returns
returns_w = ____.resample('W').____

# Examine the beginning of the weekly series
print(returns_w.____)
Redigera och kör kod