相關性的效果量
資產的波動度大致上定義為價格變動的幅度。在本練習中，你將以每日為單位量測波動度，定義為（最高價 − 最低價）／收盤價。
哪些因素可以解釋 Bitcoin 的波動度？S&P 500 的波動度與其是否密切相關？當價格上漲時，波動度會上升還是下降？換句話說，這些不同因素之間的相關性，其效果量有多大？你將在本練習中計算這兩種效果量。
一個包含 S&P 500 與 Bitcoin 價格的 DataFrame（btc_sp_df）已為你載入，同時也載入了 pandas（作為 pd）、NumPy（作為 np）、Matplotlib（作為 plt），以及 SciPy 中的 stats。
本練習屬於課程
Python 推論基礎
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Compute the volatility of Bitcoin
btc_sp_df['Volatility_BTC'] = ____
# Compute the volatility of the S&P500
btc_sp_df['Volatility_SP500'] = ____
# Compute and print R^2 between the volatility of BTC and SP500
r_volatility, p_value_volatility = ____
print('R^2 between volatility of the assets:', ____)
# Compute and print R^2 between the volatility of BTC and the closing price of BTC
r_closing, p_value_closing = ____
print('R^2 between closing price and volatility of BTC:', ____)