可视化风险因子相关性
投资银行在金融危机前后大量投资于按揭支持证券（MBS）。因此，MBS 很可能是投资银行投资组合的风险因子。您将通过 portfolio returns 与一种 MBS 风险度量——90 天房贷逾期率 mort_del——之间的散点图来评估这一点。
mort_del 只以季度频率提供。因此，需要先使用 DataFrame 的 .resample() 方法将 portfolio_returns 从日频转换为季频。
您的工作区中包含等权重投资组合的 portfolio_returns 以及逾期率变量 mort_del。对于散点图，plot_average 和 plot_min 是工作区中的作图坐标轴——您将使用 .scatter() 方法把散点图添加到它们上。
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()方法将日频的portfolio_returns转换为季度平均数据。 - 将
mort_del与portfolio_q_average的散点图添加到plot_average。是否存在较强相关性？ - 现在使用
.min()（而不是.mean()）创建季度最小值数据。 - 将
mort_del与portfolio_q_min的散点图添加到plot_min。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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()