Caractéristiques des séries chronologiques financières
Les rendements quotidiens des actifs financiers partagent généralement plusieurs caractéristiques. Les rendements sur une journée sont en général faibles et leur moyenne est près de zéro. En même temps, leurs variances et écarts types peuvent être relativement élevés. Sur quelques années, on observe habituellement plusieurs rendements très grands (en valeur absolue). Ces valeurs relativement aberrantes ne surviennent que quelques jours, mais elles expliquent la plus grande partie des mouvements de prix des actifs. En raison de ces rendements extrêmes, la distribution des rendements quotidiens n'est pas normale ; elle a de lourdes queues et est parfois asymétrique. En règle générale, les rendements de titres individuels présentent encore plus de variabilité et des observations plus extrêmes que ceux des indices.
Dans cet exercice, vous utiliserez le jeu de données eu_percentreturns, qui contient les rendements en pourcentage calculés à partir de vos données eu_stocks. Pour chacun des quatre indices présents, vous calculerez la moyenne empirique, la variance et l'écart type.
Remarquez que le rendement quotidien moyen est d'environ 0, tandis que l'écart type est d'environ 1 point de pourcentage. Utilisez aussi les fonctions hist() et qqnorm() pour produire, respectivement, des histogrammes et des graphiques quantile-quantile normaux pour chacun des indices.
Cette activité fait partie du cours
Analyse des séries chronologiques en R
Instructions de l’exercice
- Utilisez
colMeans()pour calculer la moyenne empirique de chaque colonne de vos donnéeseu_percentreturns. - Utilisez
apply()pour calculer la variance empirique de chaque indice. Laissez l'argumentMARGINà2et fixez l'argumentFUNàvar. - Faites un autre appel à
apply()pour calculer l'écart type de chaque indice. GardezMARGINà2, mais cette fois réglezFUNàsd. - Exécutez le reste du code pour afficher un histogramme et des graphiques quantile-quantile normaux des rendements en pourcentage pour chaque indice.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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)