Menggunakan plot acf untuk mengungkap volatilitas
Latihan ini melanjutkan latihan R sebelumnya ketika kita mencari tanda-tanda volatilitas yang terlihat pada deret waktu keuangan. Untuk return Dow Jones dari 2008–11 pada djx serta data simulasi berdistribusi normal dan t pada ndata dan tdata, masing-masing, Anda akan menghitung dan memplot fungsi autokorelasi sampel (acf) menggunakan perintah acf().
Meskipun hanya sedikit bukti autokorelasi serial yang terlihat pada plot ini, gambarnya berubah drastis ketika kita melihat data return absolut atau kuadrat. Return riil pada deret return Dow Jones djx berperilaku sangat berbeda dibandingkan data simulasi. Autokorelasi pada return absolut atau kuadrat merupakan konsekuensi dari volatilitas, yang menyebabkan return besar diikuti oleh return besar berikutnya, meskipun tidak harus dengan tanda yang sama.
djx, ndata, dan tdata tersedia di workspace Anda.
Latihan ini merupakan bagian dari kursus
Manajemen Risiko Kuantitatif dengan R
Instruksi latihan
- Atur area plotting agar menampilkan 3 plot sekaligus (ini sudah disiapkan untuk Anda).
- Plot acf sampel dari
djxserta data simulasi berdistribusi normal dan tndatadantdata. - Plot acf sampel dari nilai absolut ketiga deret tersebut.
- Plot acf sampel dari kuadrat nilai ketiga deret tersebut.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Set up a plot region to show 3 plots at a time
par(mfrow = c(3, 1))
# Plot the acfs of djx, ndata and tdata
___
___
___
# Plot the acfs of the absolute values
___
___
___
# Plot the acfs of the squares of the values
___
___
___