Vizualizace párů dat
Časové řady se nejčastěji zobrazují v grafu časové řady. Například hodnoty indexů z datasetu eu_stocks jsou znázorněny na přiloženém obrázku. Připomeňme, že eu_stocks obsahuje denní závěrečné ceny hlavních burzovních indexů za období 1991–1998 – konkrétně pro Německo (DAX), Švýcarsko (SMI), Francii (CAC) a Velkou Británii (FTSE).
Užitečné je také prozkoumat bivariátní vztah mezi páry časových řad. V tomto cvičení se zaměříme na soudobý vztah – tedy na dvojice pozorování, která nastávají ve stejný čas – jak mezi hodnotami indexů, tak mezi jejich logaritmickými výnosy. Funkce plot(a, b) vytvoří bodový graf, pokud jí jako vstup předáš názvy dvou časových řad a a b.
Pro současné zobrazení bodových grafů všech párů více aktiv lze použít funkci pairs(), která vytvoří matici bodových grafů. Pokud ceny nebo hodnoty indexů sdílejí společný časový trend, je obvyklé porovnávat místo nich výnosy nebo logaritmické výnosy.
V tomto cvičení si tyto dovednosti procvičíš na datech eu_stocks. Protože výnosy DAX a FTSE pokrývají podobné časové období, lze pro tyto indexy snadno vytvořit bodový graf. Normální rozdělení má eliptické vrstevnice stejné pravděpodobnosti a dvojice dat pocházející z vícerozměrného normálního rozdělení tvoří přibližně eliptický shluk bodů. Vykazují některé páry v maticích bodových grafů tento vzor – před logaritmickou transformací, nebo po ní?
Toto cvičení je součástí kurzu
Analýza časových řad v R
Pokyny k cvičení
- Pomocí
plot()vytvoř bodový graf indexůDAXaFTSE. - Pomocí
pairs()vytvoř matici bodových grafů pro všechny čtyři indexy veu_stocks. - Vypočítej
logreturnszeu_stockspomocídiff(log(___)). - Dalším voláním
plot()vytvoř jednoduchý graf časové řady prologreturns. - Dalším voláním
pairs()vytvoř matici bodových grafů prologreturns.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Make a scatterplot of DAX and FTSE
plot(___, ___)
# Make a scatterplot matrix of eu_stocks
pairs(___)
# Convert eu_stocks to log returns
logreturns <-
# Plot logreturns
# Make a scatterplot matrix of logreturns