เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การ Resample ความถี่ข้อมูลเบื้องต้น

โมเดลปัจจัยความเสี่ยงมักอาศัยข้อมูลที่มีความถี่แตกต่างกัน ตัวอย่างทั่วไปคือการใช้ข้อมูลเศรษฐกิจมหภาครายไตรมาส เช่น ระดับราคาและอัตราการว่างงาน ร่วมกับข้อมูลทางการเงินที่มักเป็นรายวัน (หรือแม้แต่รายวันย่อย) เพื่อนำข้อมูลทั้งสองแหล่งมาใช้ในโมเดลเดียวกัน จำเป็นต้องทำการ resample ข้อมูลที่มีความถี่สูงกว่าให้ตรงกับความถี่ที่ต่ำกว่า

ออบเจกต์ DataFrame และ Series ของ Pandas มีเมธอด .resample() ในตัว ซึ่งใช้ระบุความถี่ที่ต้องการ จากนั้นต่อเชื่อมกับเมธอดเพื่อคำนวณค่าสถิติในความถี่ใหม่ เช่น .mean() สำหรับค่าเฉลี่ยของข้อมูลในช่วงเวลานั้น หรือ .min() สำหรับค่าต่ำสุด

ในแบบฝึกหัดนี้ จะได้ฝึกแปลงข้อมูล returns รายวันให้เป็นความถี่รายสัปดาห์และรายไตรมาส

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • แปลง returns เป็นค่าเฉลี่ยรายไตรมาส returns_q โดยใช้เมธอด .resample() และ .mean()
  • ตรวจสอบส่วนหัวของ returns_q โดยสังเกตว่าเมธอด .resample() จัดการ date index ให้โดยอัตโนมัติ
  • แปลง returns เป็นค่าต่ำสุดรายสัปดาห์ returns_w โดยใช้เมธอด .min()
  • ตรวจสอบส่วนหัวของ returns_w

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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.____)
แก้ไขและรันโค้ด