自助法置信区间（Bootstrap confidence intervals）
之前您已经看到，标普 500 与比特币之间存在一定程度的相关性。衡量这种相关性的一种方式是查看两者之间的相关系数 Pearson 的 R。然而，这样做只能得到一个点估计。很可能在某些时间点两者相关性很高，而在另一些时间点表现截然不同。如何刻画这种波动性？一种方法是为两者之间的相关系数构建一个自助法（bootstrap）置信区间。接下来您就要这样做！
关于标普 500 与比特币价格的数据框 btc_sp_df 已为您加载，同时已导入 pandas（简称 pd）、NumPy（简称 np）以及 SciPy 的 stats。
本练习是课程的一部分
Python 推断基础
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Compute the daily percent change of each asset
btc_sp_df['Pct_Daily_Change_BTC'] = (____['Open_BTC'] - ____['Close_BTC']) / ____['Open_BTC']
btc_sp_df['Pct_Daily_Change_SP500'] = ____
# Write a function which returns the correlation coefficient
def pearson_r(x, y):
return stats.____[0]
# Compute a bootstrap confidence interval
ci = stats.bootstrap((____, ____),
statistic=____,
vectorized=False, paired=True, n_resamples=1000, random_state=1)
print(ci.confidence_interval)