知识卡片
分组相关依赖共同样本范围
按年份分别计算相关系数,回答各年共同有效观测中的线性共同变化,不是全时期一个固定关系。原例先对价格求相对变化并dropna,再分年corrwith;该顺序确定参与计算的日期范围。自身相关为1不是预测能力,年份之间差异也不证明因果或未来表现。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 2 处
- · 查看原书依据
日收益率(通过百分数变化计算)与SPX之间的年度相关系数组成的DataFrame。下面是一个实现办法: In [135]: rets = close_px.pct_change().dropna() In [136]: spx_corr = lambda x: x.corrwith(x['SPX']) In [137]: by_year = rets.gro
- · 查看原书依据
ts / ts.shift(1) - 1 由于单纯的移位操作不会修改索引,所以部分数据会被丢弃。因此,如果频率已知,则可以将其传给shift以便实现对时间戳进行位移而不是对数据进行简单位移: In [403]: ts.shift(2, freq='M') Out[403]: 2000-03-31 0.575283 2000-04-30 0.304205 20
参考来源
- 位置:《利用Python进行数据分析》第9章《示例:分组加权平均数和相关系数》(spine305;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0291.html;u206-ch09-024)。
- 结论依据:原文在“日收益率”附近的定义、例子或代码支撑本卡核心说明:按年份分别计算相关系数,回答各年共同有效观测中的线性共同变化,不是全时期一个固定关系。边界按已读前提解释;示例未执行。
- 原始内容:日收益率(通过百分数变化计算)与SPX之间的年度相关系数组成的DataFrame。下面是一个实现办法: In [135]: rets = close_px.pct_change().dropna() In [136]: spx_corr = lambda x: x.corrwith(x['SPX']) In [137]: by_year = rets.gro
- 位置:《利用Python进行数据分析》第10章《移动(超前和滞后)数据》(spine311;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0297.html;u224-ch09-024)。
- 结论依据:相对变化用当前值除前一个观测值再减1;不规则观测的上一行不是固定日间隔,零分母与缺失也需另行处理。
- 原始内容:ts / ts.shift(1) - 1 由于单纯的移位操作不会修改索引,所以部分数据会被丢弃。因此,如果频率已知,则可以将其传给shift以便实现对时间戳进行位移而不是对数据进行简单位移: In [403]: ts.shift(2, freq='M') Out[403]: 2000-03-31 0.575283 2000-04-30 0.304205 20