視覺化風險因子的相關性
投資銀行在金融危機前後大量投資於房貸抵押證券（MBS）。因此，MBS 很可能是投資銀行投資組合的風險因子。你將透過 portfolio returns 與一個 MBS 風險衡量指標——90 天房貸延滯率 mort_del——之間的散佈圖來評估這點。
mort_del 僅有按季資料。因此，需要先把 portfolio_returns 從每日頻率轉換為季頻，使用 DataFrame 的 .resample() 方法。
你的工作環境中已提供等權重投資組合的 portfolio_returns，以及延滯率變數 mort_del。在繪製散佈圖時，plot_average 與 plot_min 是工作環境中的作圖座標軸——你將使用 .scatter() 方法把散佈圖加到這兩個座標軸上。
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，將每日的portfolio_returns轉換為按季的平均資料。 - 在
plot_average上加入mort_del與portfolio_q_average的散佈圖。相關性是否很強？ - 接著改用
.min()（而非.mean()）建立按季的最小值資料。 - 在
plot_min上加入mort_del與portfolio_q_min的散佈圖。
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。
# 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()