开始使用免费开始使用

波动率与结构性突变

可视化波动率变化有助于揭示时间序列中可能的结构性突变点。通过识别波动率何时发生变化，您就能更有根据地选择断点，并据此开展进一步的统计分析（例如 Chow 检验）。

您将查看 2008–2009 年投资银行组合的两种波动率可视化，对应两组可用的组合权重：weights_with_citi 和 weights_without_citi。它们分别表示包含和不包含 Citibank 的等权重组合。正如您在第 1 章所见，Citibank 在该期间的四个资产中波动率最高。

2008–2009 年包含 Citibank 的投资组合价格以 prices_with_citi 提供，不包含 Citibank 的以 prices_without_citi 提供。

本练习是课程的一部分

Python 中的定量风险管理

查看课程

练习说明

  • 使用 weights_with_citi 和 weights_without_citi 求出两个投资组合的收益序列。
  • 分别计算两个投资组合 30 天滚动窗口的标准差。
  • 将两个 Pandas Series 对象合并为一个名为 "vol" 的 DataFrame 对象。
  • 绘制 vol 对象的内容，以比较两组投资组合随时间的波动率。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Find the time series of returns with and without Citibank
ret_with_citi = prices_with_citi.____.dot(weights_with_citi)
ret_without_citi = prices_without_citi.pct_change().____(____)

# Find the average 30-day rolling window volatility as the standard deviation
vol_with_citi = ret_with_citi.____.std().dropna().rename("With Citi")
vol_without_citi = ret_without_citi.rolling(30).____.dropna().rename("Without Citi")

# Combine two volatilities into one Pandas DataFrame
vol = pd.concat([____, ____], axis=1)

# Plot volatilities over time
vol.____().set_ylabel("Losses")
plt.show()
编辑并运行代码