Tests statistiques de normalité
Pour être réellement sûr de votre jugement sur la normalité de la distribution des rendements de l’action, il est préférable d’utiliser un test statistique plutôt que de se limiter à examiner la kurtose ou l’asymétrie.
Vous pouvez utiliser la fonction shapiro() de scipy.stats pour exécuter un test de normalité de Shapiro-Wilk sur les rendements. La fonction renverra deux valeurs dans une liste. La première valeur est la statistique de test, et la seconde est la p-value. Vous pouvez utiliser la p-value pour juger de la normalité des données. Si la p-value est inférieure ou égale à 0,05, vous pouvez rejeter l’hypothèse nulle de normalité et considérer que les données ne suivent pas une loi normale.
clean_returns de l’exercice précédent est disponible dans votre espace de travail.
Cet exercice fait partie du cours
Introduction à la gestion du risque de portefeuille en Python
Instructions
- Importez
shapirodepuisscipy.stats. - Exécutez le test de Shapiro-Wilk sur
clean_returns. - Extrayez la p-value du tuple
shapiro_results.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Import shapiro from scipy.stats
from ____ import ____
# Run the Shapiro-Wilk test on the stock returns
shapiro_results = ____
print("Shapiro results:", shapiro_results)
# Extract the p-value from the shapiro_results
p_value = ____
print("P-value: ", p_value)