Ajuster une loi t aux données
Une loi t de Student convient généralement beaucoup mieux que la loi normale aux rendements quotidiens, hebdomadaires et mensuels.
Vous pouvez en ajuster une avec la fonction fit.st() du paquet QRM. Le modèle ajusté résultant contient un composant des estimations des paramètres, par.ests, que vous pouvez affecter à une liste tpars afin d'y stocker les valeurs de nu, mu et sigma pour une utilisation ultérieure :
> tfit <- fit.st(ftse)
> tpars <- tfit$par.ests
> tpars
nu mu sigma
2.949514e+00 4.429863e-05 1.216422e-02
Dans cet exercice, vous allez ajuster une loi t de Student aux rendements logarithmiques quotidiens de l'indice Dow Jones de 2008 à 2011 contenus dans djx. Ensuite, vous tracerez l'histogramme des données et superposerez une ligne rouge au graphique représentant la densité t ajustée. Les données djx et le paquet QRM ont été chargés pour vous.
Cette activité fait partie du cours
Gestion des risques quantitatifs en R
Instructions de l’exercice
- Utilisez
fit.st()pour ajuster une loi t de Student aux données dedjxet affectez le résultat àtfit. - Affectez le composant
par.estsdu modèle ajusté àtpars, puis affectez les éléments detparsànu,muetsigma, respectivement. - Complétez
hist()pour tracer un histogramme dedjx. - Complétez
dt()pour calculer la densité t ajustée aux valeurs dedjxet l'affecter àyvals. Reportez-vous à la vidéo pour cette équation. - Complétez
lines()pour ajouter, sur l'histogramme dedjx, une ligne rouge représentant la densité t ajustée.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Fit a Student t distribution to djx
tfit <- ___(___)
# Define tpars, nu, mu, and sigma
tpars <- ___
nu <- ___
mu <- ___
sigma <- ___
# Plot a histogram of djx
hist(___, nclass = 20, probability = TRUE, ylim = range(0, 40))
# Compute the fitted t density at the values djx
yvals <- dt((___ - ___)/___, df = ___)/___
# Superimpose a red line to show the fitted t density
lines(___, yvals, col = "red")