Testování devizových výnosů na normalitu
Dosavadní cvičení v této kapitole se zaměřovala na normalitu výnosů akciových indexů a jednotlivých akcií.
Aby sis tyto myšlenky upevnil/a, aplikuješ podobné přístupy na logaritmické výnosy směnných kurzů. Dataset fx_d obsahuje denní logaritmické výnosy směnných kurzů EUR/USD, GBP/USD a JPY/USD za období 2001–2015, dataset fx_m pak odpovídající měsíční logaritmické výnosy. Oba jsou vícerozměrné a jsou načteny v tvém pracovním prostředí.
Která z měsíčních řad logaritmických výnosů vypadá nejnormálněji?
Toto cvičení je součástí kurzu
Kvantitativní řízení rizik v R
Pokyny k cvičení
- Vykresli denní řady logaritmických výnosů směnných kurzů z
fx_dpomocí vhodné vykreslovací funkce. - Pomocí
apply()proveď Jarqueův-Berův test na každé z řad vfx_d. - Vykresli měsíční řady logaritmických výnosů z
fx_mpomocí stejné funkce s parametremtype = "h". - Pomocí
apply()proveď Jarqueův-Berův test na každé z řad vfx_m. - Doplň
apply()tak, aby se na každou řadu vfx_mpřizpůsobilo Studentovo t-rozdělení a získaly se odhady parametrů.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Plot the daily log-return series in fx_d
___(___)
# Apply the Jarque-Bera test to each of the series in fx_d
___(___)
# Plot the monthly log-return series in fx_m
___(___)
# Apply the Jarque-Bera test to each of the series in fx_m
___(___)
# Fit a Student t distribution to each of the series in fx_m
apply(___, ___, function(v){fit.st(v)$par.ests})