Me gustaría realizar una prueba de autocorrelación (por ejemplo, Durbin Watson) en un conjunto de datos de devoluciones de acciones. En particular, tengo un conjunto de datos con rendimientos trimestrales de acciones, así que 1 observación para cada trimestre, que representa el rendimiento del precio de las acciones de 1 día después del anuncio de ganancias en ese trimestre. Un ejemplo mínimo se ve así para 2 acciones y 3 trimestres:

data = [{'date': '3/22/18', 'return': 1},{'date': '3/22/18', 'return': 1}, 
{'date': '6/22/18', 'return': 3},{'date': '6/22/18', 'return': 3},
{'date': '9/22/18', 'return': 2},{'date': '9/22/18', 'return': 2}]
df = pd.DataFrame(data, index=['s1', 's2','s1','s2','s1','s2'])

        date  return
 s1  3/22/18       1
 s2  3/22/18       1
 s1  6/22/18       3
 s2  6/22/18       3
 s1  9/22/18       2
 s2  9/22/18       2

Dado que tengo una gran cantidad de acciones, estaba pensando que podría tener sentido realizar la prueba individualmente para cada acción, y luego tener una serie de estadísticas de prueba DW asociadas con cada acción. Di algo como esto:

  s1 0.453
  s2 1.593
  s3 3.453

Estaba pensando en usar:

statsmodels.stats.stattools.durbin_watson (resids, axis = 0)

Pero no estoy muy seguro de cómo proceder para obtener esa matriz como se describe anteriormente. Cualquier ayuda es muy apreciada