Menguji kenormalan imbal hasil FX

Sejauh ini, latihan dalam bab ini telah menelaah kenormalan imbal hasil indeks ekuitas dan imbal hasil ekuitas individual.

Untuk memperkuat konsep ini, Anda akan menerapkan ide serupa pada log-return kurs valas. Himpunan data fx_d memuat log-return harian untuk kurs EUR/USD, GBP/USD, dan JPY/USD pada periode 2001–2015, dan himpunan data fx_m memuat log-return bulanan yang sesuai. Keduanya bersifat multivariat; data tersebut telah dimuat ke ruang kerja Anda.

Di antara deret log-return bulanan, yang mana yang tampak paling mendekati normal?

Latihan ini merupakan bagian dari kursus

Manajemen Risiko Kuantitatif dengan R

Lihat Kursus

Instruksi latihan

Plot deret log-return harian kurs valas dalam fx_d dengan fungsi pemetaan yang sesuai.
Gunakan apply() untuk melakukan uji Jarque-Bera pada setiap deret dalam fx_d.
Plot deret log-return bulanan dalam fx_m dengan fungsi yang sama dan parameter type = "h".
Gunakan apply() untuk melakukan uji Jarque-Bera pada setiap deret dalam fx_m.
Lengkapi apply() untuk memfitting distribusi Student t pada setiap deret dalam fx_m dan memperoleh estimasi parameternya.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Plot the daily log-return series in fx_d
___(___)

# Apply the Jarque-Bera test to each of the series in fx_d
___(___)

# Plot the monthly log-return series in fx_m
___(___)

# Apply the Jarque-Bera test to each of the series in fx_m
___(___)

# Fit a Student t distribution to each of the series in fx_m
apply(___, ___, function(v){fit.st(v)$par.ests})

Edit dan Jalankan Kode