Eu gostaria de realizar um teste de autocorrelação (por exemplo, Durbin Watson) em um conjunto de dados de retorno de ações. Em particular, eu tenho um conjunto de dados com retorno trimestral de ações, portanto, uma observação para cada trimestre, que representa o retorno de 1 dia do preço das ações após o anúncio de ganhos naquele trimestre. Um exemplo mínimo é assim para 2 ações e 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

Como tenho um grande número de ações, pensei que poderia fazer sentido executar o teste individualmente para cada ação e depois ter uma série de estatísticas de teste DW associadas a cada ação. Diga algo como isto:

  s1 0.453
  s2 1.593
  s3 3.453

Eu estava pensando em usar:

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

Mas não tenho muita certeza de como proceder para obter essa matriz, conforme descrito acima. Qualquer ajuda é muito apreciada.