Normalität für längere Zeithorizonte testen
Wenn Renditen über längere Zeiträume addiert werden, tritt ein Zentralgrenz-Effekt auf und die Renditen werden tendenziell normaler.
In dieser Übung nutzt du Aggregationsfunktionen aus dem ersten Kapitel, um die Daten in djx_d zu aggregieren. djx_d enthält die täglichen Log-Renditen von 29 Dow-Jones-Aktien für den Zeitraum 2000–2015. Anschließend wendest du den Jarque-Bera-Test auf die täglichen, wöchentlichen und monatlichen Renditen an. djx_d ist in deinem Workspace geladen.
Diese Übung ist Teil des Kurses
Quantitatives Risikomanagement in R
Anleitung zur Übung
- Berechne wöchentliche und monatliche Log-Renditen von
djx_dund weise siedjx_wbzw.djx_mzu. - Ergänze
apply(), um den p-Wert des Jarque-Bera-Tests für jede der täglichen Dow-Jones-Renditereihen indjx_dzu berechnen. - Mache dasselbe für die wöchentlichen Aktienrenditen in
djx_w. - Mache dasselbe für die monatlichen Aktienrenditen in
djx_m.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Calculate weekly and monthly log-returns from djx_d
djx_w <- ___(___)
djx_m <- ___(___)
# Calculate the p-value for each series in djx_d
apply(___, 2, function(v){jarque.test(v)$p.value})
# Calculate the p-value for each series in djx_w
apply(___, 2, function(v){jarque.test(v)$p.value})
# Calculate the p-value for each series in djx_m
apply(___, 2, function(v){jarque.test(v)$p.value})