频率重采样入门
风险因子模型常常依赖不同频率的数据。一个典型情形是将季度的宏观经济数据（如价格、失业率等）与金融数据结合使用，而金融数据通常是日频（甚至是日内）。若要在同一模型中使用两类数据，需要将高频数据进行「重采样」，以匹配低频数据。
Pandas 的 DataFrame 与 Series 提供了内置的 .resample() 方法，用于指定目标的较低频率。随后需链式调用一个统计方法来生成该低频统计量，例如使用 .mean() 计算新频率区间内的平均值，或使用 .min() 计算最小值。
在本练习中，您将把日频的 returns 数据转换为周频与季频。
本练习是课程的一部分
Python 中的定量风险管理
练习说明
- 使用
.resample()和.mean()方法，将returns转换为季度频率的平均值returns_q。 - 查看
returns_q的表头，注意.resample()方法会为您处理日期索引。 - 接着使用
.min()方法，将returns转换为周频的最小值returns_w。 - 查看
returns_w的表头。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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.____)