Saat Anda mengagregasikan deret dengan menjumlahkan log-return harian ke interval yang lebih panjang, Anda menganalisis jumlah observasi yang lebih sedikit. Untuk mempertahankan kuantitas data, Anda dapat menghitung return tumpang tindih dengan fungsi rollapplyr(); hal ini juga menciptakan korelasi yang kuat antarobservasi.

Ada 5 hari bursa dalam rata-rata minggu kalender. Dengan menghitung jumlah bergerak 5 hari dari log-return data indeks harian, Anda memperoleh perkiraan return mingguan tumpang tindih yang berakhir pada tiap minggu kalender. Demikian pula, menghitung jumlah bergerak 21 hari memberikan perkiraan return bulanan tumpang tindih, dan menghitung jumlah bergerak 63 hari memberikan perkiraan return triwulanan tumpang tindih.

Mari kita lihat contoh dengan data return harian Dow Jones dalam djx. Karena 5 nilai digunakan untuk menghitung setiap jumlah bergerak, 4 nilai pertama pada hasilnya adalah NA. Dalam kasus ini, kita akan menggunakan pengindeksan untuk menghapusnya:

> djx5 <- rollapplyr(djx, width = 5, FUN = sum)
> head(djx5)
                  ^DJI
2008-01-03          NA
2008-01-04          NA
2008-01-07          NA
2008-01-08          NA
2008-01-09 -0.02394677
2008-01-10 -0.01571869

> djx5 <- djx5[-(1:4)]

Pada latihan ini, Anda akan menghitung jumlah bergerak untuk berbagai interval dari djx, yang sudah dimuat di ruang kerja Anda. Selanjutnya, Anda akan mencari skewness dan kurtosis dari data yang dihasilkan serta melakukan uji Jarque-Bera seperti pada latihan sebelumnya. Apakah return tumpang tindih tampak lebih normal?

Meninjau pengetahuan tentang sebaran normal dan return

Manajemen Risiko Kuantitatif dengan R

Latihan interaktif langsung