ПочатиПочніть безкоштовно

Ознайомлення з ресемплінгом частоти

Моделі факторів ризику часто спираються на дані з різною частотою. Типовий приклад — поєднання квартальних макроекономічних даних, як-от ціни, рівень безробіття тощо, з фінансовими даними, які зазвичай є денними (або навіть внутрішньоденними). Щоб використати обидва джерела в одній моделі, дані з вищою частотою потрібно виконати ресемплінг до нижчої частоти.

Обʼєкти Pandas DataFrame та Series мають вбудований метод .resample(), який задає нижчу частоту. Цей метод поєднують з методом для обчислення статистики нижчої частоти, наприклад, .mean() — для середнього значення даних у межах нового періоду, або .min() — для мінімального значення.

У цій вправі ви попрактикуєте перетворення щоденних даних returns до тижневої та квартальної частот.

Ця вправа є частиною курсу

Кількісне управління ризиками в Python

Переглянути курс

Інструкції до вправи

  • Перетворіть returns до квартальної частоти — середнє значення returns_q — за допомогою методів .resample() та .mean().
  • Перегляньте початок returns_q, зверніть увагу, що метод .resample() самостійно обробляє індекс дат.
  • Тепер перетворіть returns до тижневої частоти — мінімум returns_w — використовуючи метод .min().
  • Перегляньте початок returns_w.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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.____)
Редагувати та запускати код