Prueba de autocorrelación en varias devoluciones de stock
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