1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Úvod do analýzy portfolia v R
Connected

cvičení

Odhalování nenormality pomocí šikmosti a špičatosti

Výnosy jsou ve své podstatě nejčastěji nenormálně rozdělené. Dva klíčové ukazatele pro pochopení rozdělení nenormálních výnosů jsou šikmost a špičatost. Šikmost ti pomůže zjistit, zda se záporné nebo kladné výnosy vyskytují častěji. Záporná šikmost naznačuje, že velké záporné výnosy nastávají častěji než velké kladné, a naopak.

Špičatost bude kladná, pokud má tvoje rozdělení tučné chvosty. To znamená, že velké kladné i záporné výnosy budou nastávat častěji, než by odpovídalo normálnímu rozdělení.

Histogramy v prostředí grafu porovnávají denní a měsíční výnosy indexu S&P 500 za období od roku 1986 až do dneška. Zdá se, že v těchto grafech je záporná šikmost (skewness()) a poněkud vyšší než normální špičatost (kurtosis()). Pozor: funkce kurtosis() ve výchozím nastavení vrací přebytečnou špičatost (tedy špičatost minus tři). Pojďme se podívat, jestli čísla odpovídají našim pozorováním!

Objekty sp500_daily a sp500_monthly jsou již načteny v tvém pracovním prostředí.

Pokyny

100 XP
  • Vypočítej šikmost (skewness) objektů sp500_daily a sp500_monthly.
  • Vypočítej přebytečnou špičatost (excess kurtosis) objektů sp500_daily a sp500_monthly.