Los datos de series temporales suelen presentarse en un gráfico de series temporales. Por ejemplo, los valores de los índices del conjunto de datos eu_stocks se muestran en la figura adjunta. Recuerda que eu_stocks contiene los precios de cierre diarios de 1991 a 1998 de los principales índices bursátiles de Alemania (DAX), Suiza (SMI), Francia (CAC) y Reino Unido (FTSE).

También es útil examinar la relación bivariante entre pares de series temporales. En este ejercicio consideraremos la relación contemporánea, es decir, emparejando observaciones que ocurren al mismo tiempo, entre pares de valores de índices y también sus rendimientos logarítmicos. La función plot(a, b) produce un diagrama de dispersión cuando se proporcionan dos series temporales a y b como entrada.

Para crear simultáneamente diagramas de dispersión para todos los pares de varios activos, se puede aplicar la función pairs() para producir una matriz de diagramas de dispersión. Cuando hay tendencias temporales compartidas en precios o valores de índices, es habitual comparar sus rendimientos o rendimientos logarítmicos.

En este ejercicio, pondrás en práctica estas habilidades con los datos de eu_stocks. Como los rendimientos de DAX y FTSE tienen una cobertura temporal similar, puedes crear fácilmente un diagrama de dispersión de estos índices. Ten en cuenta que la distribución normal tiene contornos elípticos de probabilidad constante, y que los pares de datos extraídos de una distribución normal multivariante forman una nube de puntos de forma aproximadamente elíptica. ¿Alguno de los pares en las matrices de dispersión muestra este patrón, antes o después de la transformación logarítmica?

Adivina el coeficiente de correlación

Análisis de series temporales en R

ejercicio interactivo práctico