ПочатиПочніть безкоштовно

Візуалізація кореляції факторів ризику

Інвестбанки масово вкладалися в цінні папери, забезпечені іпотекою (MBS), до та під час фінансової кризи. Тож MBS, імовірно, є фактором ризику для портфеля інвестбанку. Ви перевірите це за допомогою діаграм розсіювання між portfolio returns і мірою ризику для MBS — 90-денним рівнем прострочення за іпотекою mort_del.

mort_del доступний лише як квартальні дані. Тому portfolio_returns спершу потрібно перетворити з денних на квартальну частоту за допомогою методу датафрейму .resample().

У вашому робочому середовищі є і portfolio_returns для рівновагового портфеля, і змінна рівня прострочення mort_del. Для діаграм розсіювання plot_average і plot_min — це осі побудови у вашому середовищі; ви додасте до них свої діаграми розсіювання за допомогою методу .scatter().

Ця вправа є частиною курсу

Кількісне управління ризиками в Python

Переглянути курс

Інструкції до вправи

  • Перетворіть денні дані portfolio_returns на середні квартальні за допомогою методів .resample() і .mean().
  • Додайте діаграму розсіювання між mort_del і portfolio_q_average до plot_average. Чи є сильна кореляція?
  • Тепер створіть мінімальні квартальні дані, використавши .min() замість .mean().
  • Додайте діаграму розсіювання між mort_del і portfolio_q_min до plot_min.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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()
Редагувати та запускати код