Trực quan hóa tương quan các yếu tố rủi ro
Các ngân hàng đầu tư đã đầu tư mạnh vào chứng khoán bảo đảm bằng thế chấp (MBS) trước và trong khủng hoảng tài chính. Điều này khiến MBS trở thành một yếu tố rủi ro tiềm tàng đối với danh mục của ngân hàng đầu tư. Bạn sẽ đánh giá điều này bằng cách dùng biểu đồ phân tán giữa portfolio returns và một thước đo rủi ro MBS: tỷ lệ chậm trả thế chấp 90 ngày mort_del.
mort_del chỉ có dữ liệu theo quý. Vì vậy portfolio_returns trước hết cần được chuyển đổi từ tần suất hằng ngày sang hằng quý bằng phương thức .resample() của DataFrame.
Không gian làm việc của bạn có cả portfolio_returns cho một danh mục cân bằng đều và biến tỷ lệ chậm trả mort_del. Với các biểu đồ phân tán, plot_average và plot_min là các trục vẽ trong không gian làm việc—bạn sẽ thêm các biểu đồ phân tán của mình vào đó bằng phương thức .scatter().
Bài tập này là một phần của khóa học
Quản trị Rủi ro Định lượng với Python
Hướng dẫn bài tập
- Chuyển dữ liệu
portfolio_returnshằng ngày thành dữ liệu trung bình theo quý bằng các phương thức.resample()và.mean(). - Thêm một biểu đồ phân tán giữa
mort_delvàportfolio_q_averagevàoplot_average. Có tương quan mạnh không? - Bây giờ tạo dữ liệu theo quý lấy giá trị nhỏ nhất bằng
.min()thay cho.mean(). - Thêm một biểu đồ phân tán giữa
mort_delvàportfolio_q_minvàoplot_min.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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()