Uji statistik untuk kenormalan
Agar benar-benar yakin terhadap penilaian Anda tentang kenormalan distribusi imbal hasil saham, Anda perlu menggunakan uji statistik sesungguhnya, bukan hanya memeriksa kurtosis atau skewness.
Anda dapat menggunakan fungsi shapiro() dari scipy.stats untuk menjalankan uji kenormalan Shapiro-Wilk pada imbal hasil saham. Fungsi ini akan mengembalikan dua nilai dalam sebuah daftar. Nilai pertama adalah t-stat dari uji, dan nilai kedua adalah p-value. Anda dapat menggunakan p-value untuk menilai kenormalan data. Jika p-value kurang dari atau sama dengan 0,05, Anda dapat dengan aman menolak hipotesis nol kenormalan dan mengasumsikan bahwa data berdistribusi tidak normal.
clean_returns dari latihan sebelumnya tersedia di ruang kerja Anda.
Latihan ini adalah bagian dari kursus
Pengantar Manajemen Risiko Portofolio dengan Python
Petunjuk latihan
- Impor
shapirodariscipy.stats. - Jalankan uji Shapiro-Wilk pada
clean_returns. - Ekstrak p-value dari tuple
shapiro_results.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# 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)