การแสดงภาพความสัมพันธ์ของปัจจัยความเสี่ยง
ธนาคารเพื่อการลงทุนลงทุนอย่างหนักในตราสารหนี้ที่มีสินเชื่อที่อยู่อาศัยเป็นหลักประกัน (MBS) ก่อนและระหว่างวิกฤตการเงิน ทำให้ MBS มีแนวโน้มเป็นปัจจัยความเสี่ยงสำคัญของพอร์ตการลงทุนธนาคาร คุณจะประเมินสิ่งนี้โดยใช้ scatterplot ระหว่าง portfolio returns กับตัวชี้วัดความเสี่ยงของ MBS ซึ่งก็คืออัตราการผิดนัดชำระสินเชื่อที่อยู่อาศัย 90 วัน mort_del
เนื่องจาก mort_del มีข้อมูลเป็นรายไตรมาสเท่านั้น จึงต้องแปลง portfolio_returns จากความถี่รายวันให้เป็นรายไตรมาสก่อน โดยใช้เมธอด .resample() ของ DataFrame
ใน workspace มีทั้ง portfolio_returns สำหรับพอร์ตที่ถ่วงน้ำหนักเท่ากัน และตัวแปรอัตราการผิดนัดชำระ mort_del สำหรับ scatterplot นั้น plot_average และ plot_min คือแกนพล็อตที่เตรียมไว้ใน workspace ซึ่งคุณจะเพิ่ม scatterplot ลงไปโดยใช้เมธอด .scatter()
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การบริหารความเสี่ยงเชิงปริมาณด้วย Python
คำแนะนำการฝึกหัด
- แปลงข้อมูล
portfolio_returnsรายวันให้เป็นข้อมูลค่าเฉลี่ยรายไตรมาส โดยใช้เมธอด.resample()และ.mean() - เพิ่ม scatterplot ระหว่าง
mort_delกับportfolio_q_averageลงในplot_averageแล้วดูว่ามีความสัมพันธ์ที่ชัดเจนหรือไม่ - สร้างข้อมูลค่าต่ำสุดรายไตรมาสโดยใช้
.min()แทน.mean() - เพิ่ม scatterplot ระหว่าง
mort_delกับportfolio_q_minลงในplot_min
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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()