使用自我相關的熱門策略

股票的一個令人困惑的異象是投資人常對消息過度反應。當價格出現大幅上漲或下跌後，股價往往會反轉。這被稱為股價的均值回歸：在較大的波動後，價格傾向於彈回、也就是回到先前的水準，這通常出現在大約 1 週的時間範圍內。以更數理的說法，均值回歸意味著股票報酬率呈現負向自我相關。

這個簡單的概念其實是許多避險基金策略的基礎。如果你想更深入了解這類避險基金策略（雖然對於本課程後續內容不是必讀），請參考此連結：here。

你將檢視 2012 到 2017 年 MSFT 股票的週報酬自我相關。你會從每日價格的 DataFrame MSFT 開始。你應該使用 .resample() 方法取得每週價格，接著由價格計算報酬。使用 pandas 的 .autocorr() 方法取得自我相關，並展示自我相關為負。注意：.autocorr() 僅能用在 Series，而不能用在 DataFrame（即使是只有一欄的 DataFrame），所以你需要從 DataFrame 中選取欄位。

本練習屬於課程

Python 中的時間序列分析

檢視課程

練習說明

使用 .resample() 方法搭配 rule='W'，再接 .last() 將日資料轉成週資料。
使用 .pct_change() 方法，以每週價格建立新的百分比變動 DataFrame returns。
在收盤價報酬的 Series 上使用 .autocorr() 計算自我相關；該欄位為 DataFrame returns 中的 'Adj Close'。

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 the daily data to weekly data
MSFT = MSFT.resample(___).___

# Compute the percentage change of prices
returns = MSFT.___

# Compute and print the autocorrelation of returns
autocorrelation = returns[___].___
print("The autocorrelation of weekly returns is %4.2f" %(autocorrelation))

編輯並執行程式碼