Características de las series temporales financieras

Los rendimientos diarios de activos financieros suelen compartir muchas características. Los rendimientos de un día suelen ser pequeños y su media está cerca de cero. Al mismo tiempo, sus varianzas y desviaciones estándar pueden ser relativamente grandes. A lo largo de unos años, normalmente se observan varios rendimientos muy grandes (en magnitud). Estos valores relativamente atípicos ocurren solo en unos pocos días, pero explican los movimientos más importantes en los precios de los activos. Debido a estos rendimientos extremos, la distribución de los rendimientos diarios no es normal, sino de colas pesadas, y a veces asimétrica. En general, los rendimientos de acciones individuales suelen mostrar aún mayor variabilidad y observaciones más extremas que los rendimientos de índices.

En este ejercicio, trabajarás con el conjunto de datos eu_percentreturns, que contiene los rendimientos porcentuales calculados a partir de tus datos eu_stocks. Para cada uno de los cuatro índices del conjunto, calcularás la media muestral, la varianza y la desviación estándar.

Fíjate en que el rendimiento diario medio está alrededor de 0, mientras que la desviación estándar ronda 1 punto porcentual. También aplica las funciones hist() y qqnorm() para generar histogramas y gráficos de cuantiles normales, respectivamente, para cada uno de los índices.

Este ejercicio forma parte del curso

Análisis de series temporales en R

Ver curso

Instrucciones del ejercicio

Usa colMeans() para calcular la media muestral de cada columna de eu_percentreturns.
Usa apply() para calcular la varianza muestral de cada índice. Deja el argumento MARGIN en 2 y establece FUN en var.
Usa otra llamada a apply() para calcular la desviación estándar de cada índice. Mantén MARGIN en 2, pero esta vez establece FUN en sd.
Ejecuta el código restante para mostrar un histograma y gráficos de cuantiles normales de los rendimientos porcentuales de cada índice.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Generate means from eu_percentreturns
colMeans(___)

# Use apply to calculate sample variance from eu_percentreturns
apply(___, MARGIN = 2, FUN = ___)

# Use apply to calculate standard deviation from eu_percentreturns


# Display histogram and normal quantile plots
par(mfrow = c(2,2))
apply(eu_percentreturns, MARGIN = 2, FUN = hist, main = "", xlab = "Percentage Return")

par(mfrow = c(2,2))
apply(eu_percentreturns, MARGIN = 2, FUN = qqnorm, main = "")
qqline(eu_percentreturns)

Editar y ejecutar código