Kom igångKom igång gratis

Visualisering av korrelation mellan riskfaktorer

Investmentbanker placerade stora summor i inteckningssäkrade värdepapper (MBS) före och under finanskrisen. Därför är MBS en trolig riskfaktor för investmentbankens portfölj. Du utvärderar detta med hjälp av spridningsdiagram mellan portfolio returns och ett MBS-mått – 90-dagars bolånedelinkvensgrad mort_del.

mort_del finns bara tillgänglig som kvartalsvisa data. Därför behöver portfolio_returns omvandlas från daglig till kvartalsvis frekvens med hjälp av DataFrames metod .resample().

Din arbetsyta innehåller både portfolio_returns för en likaviktad portfölj och delinkvensvariabeln mort_del. För spridningsdiagrammen finns plotaxlarna plot_average och plot_min i din arbetsyta – du lägger till dina spridningsdiagram i dem med hjälp av metoden .scatter().

Den här övningen är en del av kursen

Kvantitativ riskhantering i Python

Visa kurs

Övningsinstruktioner

  • Omvandla den dagliga datan i portfolio_returns till genomsnittliga kvartalsvisa data med hjälp av metoderna .resample() och .mean().
  • Lägg till ett spridningsdiagram mellan mort_del och portfolio_q_average i plot_average. Finns det en stark korrelation?
  • Skapa nu minimala kvartalsvisa data med .min() i stället för .mean().
  • Lägg till ett spridningsdiagram mellan mort_del och portfolio_q_min i plot_min.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()
Redigera och kör kod