Memfitting distribusi t ke data

Distribusi Student t umumnya jauh lebih sesuai untuk return harian, mingguan, dan bulanan dibandingkan distribusi normal.

Anda dapat membuatnya dengan menggunakan fungsi fit.st() dalam paket QRM. Model hasil fitting memiliki komponen taksiran parameter par.ests yang dapat ditetapkan ke sebuah list tpars untuk menyimpan nilai nu, mu, dan sigma guna digunakan kemudian:

> tfit <- fit.st(ftse)
> tpars <- tfit$par.ests
> tpars
          nu           mu        sigma
2.949514e+00 4.429863e-05 1.216422e-02

Dalam latihan ini, Anda akan memfitting distribusi Student t pada log-return harian indeks Dow Jones dari 2008–2011 yang terdapat dalam djx. Selanjutnya, Anda akan membuat histogram data dan menumpangkan garis merah pada plot yang menampilkan kerapatan t hasil fitting. Data djx dan paket QRM telah dimuat untuk Anda.

Latihan ini merupakan bagian dari kursus

Manajemen Risiko Kuantitatif dengan R

Lihat Kursus

Instruksi latihan

Gunakan fit.st() untuk memfitting distribusi Student t pada data di djx dan tetapkan hasilnya ke tfit.
Tetapkan komponen par.ests dari model terfitting ke tpars dan elemen tpars masing-masing ke nu, mu, dan sigma.
Lengkapi hist() untuk menampilkan histogram djx.
Lengkapi dt() untuk menghitung kerapatan t terfitting pada nilai djx dan tetapkan ke yvals. Rujuk video untuk persamaan ini.
Lengkapi lines() untuk menambahkan garis merah pada histogram djx yang menampilkan kerapatan t terfitting.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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")

Edit dan Jalankan Kode