Khoảng tin cậy bootstrap
Trước đó bạn đã thấy có một mức độ tương quan nào đó giữa S&P 500 và Bitcoin. Một cách để đo lường là xem hệ số tương quan Pearson's R giữa hai đại lượng này. Tuy nhiên, làm vậy chỉ cho bạn một ước lượng điểm. Nhiều khả năng là tại một số thời điểm, tương quan giữa chúng khá sát, trong khi ở thời điểm khác chúng lại vận động rất khác nhau. Vậy bạn mô tả được mức độ biến thiên này như thế nào? Một cách tiếp cận là tạo khoảng tin cậy bootstrap cho hệ số tương quan giữa hai đại lượng. Đó chính là việc bạn sắp làm!
Một DataFrame chứa giá S&P 500 và Bitcoin (btc_sp_df) đã được nạp sẵn, cùng với các gói pandas là pd, NumPy là np, và stats từ SciPy.
Bài tập này là một phần của khóa học
Nền tảng Suy luận trong Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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)