頻率重新取樣入門
風險因子模型常會用到不同頻率的資料。典型情況是將季頻的總體經濟資料（例如物價、失業率等）與財務資料結合，而財務資料通常是日頻（甚至是日內）。若要在同一個模型中同時使用兩種來源，就需要將較高頻率的資料「重新取樣」成與較低頻率一致。
Pandas 的 DataFrame 與 Series 物件都有內建的 .resample() 方法，用來指定較低的頻率。這個方法需要再串接一個統計方法，以產生較低頻率的統計量，例如用 .mean() 取得新頻率期間內的平均值，或用 .min() 取得期間內的最小值。
在本練習中，你會練習把每日的 returns 資料轉成週頻與季頻。
本練習屬於課程
Python 量化風險管理
練習說明
- 使用
.resample()與.mean()方法，將returns轉為季頻平均，命名為returns_q。 - 檢視
returns_q的前幾列，注意.resample()會自動處理日期索引。 - 接著使用
.min()方法，將returns轉為週頻最小值，命名為returns_w。 - 檢視
returns_w的前幾列。
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。
# 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.____)