BaşlayınÜcretsiz Başlayın

Bootstrap güven aralıkları

Daha önce S&P 500 ile Bitcoin arasında belli bir düzeyde korelasyon olduğunu görmüştün. Bunu ölçmenin bir yolu, ikisi arasındaki korelasyon katsayısı Pearson'ın R değerine bakmaktır. Ancak bunu yapmak yalnızca tek bir nokta tahmini verir. Muhtemelen zamanın bazı noktalarında korelasyon birbirine oldukça yakınken, başka zamanlarda çok farklı davranıyorlar. Peki değişkenliği nasıl karakterize edebilirsin? Bir yaklaşım, ikisi arasındaki korelasyon katsayısı için bir bootstrap güven aralığı oluşturmaktır. Şimdi tam da bunu yapacaksın!

S&P 500 ve Bitcoin fiyatlarından oluşan bir DataFrame (btc_sp_df) ile paketler (pandas pd olarak, NumPy np olarak ve SciPy'den stats) senin için yüklendi.

Bu egzersiz

Python'da Çıkarımın Temelleri

kursunun bir parçasıdır
Kursu Görüntüle

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Compute the daily percent change of each asset
btc_sp_df['Pct_Daily_Change_BTC'] = (____['Open_BTC'] - ____['Close_BTC']) / ____['Open_BTC']
btc_sp_df['Pct_Daily_Change_SP500'] = ____

# Write a function which returns the correlation coefficient
def pearson_r(x, y):
    return stats.____[0]
  
# Compute a bootstrap confidence interval
ci = stats.bootstrap((____, ____), 
                     statistic=____, 
                     vectorized=False, paired=True, n_resamples=1000, random_state=1)

print(ci.confidence_interval)
Kodu Düzenle ve Çalıştır