Karakteristik runtun waktu keuangan

Imbal hasil harian aset keuangan umumnya memiliki banyak karakteristik serupa. Imbal hasil satu hari biasanya kecil, dan rataratanya mendekati nol. Pada saat yang sama, varians dan simpangan bakunya bisa relatif besar. Selama beberapa tahun, biasanya terlihat beberapa imbal hasil yang sangat besar (dalam magnitudo). Pencilan relatif ini hanya terjadi pada segelintir hari, tetapi menyumbang pergerakan harga aset yang paling signifikan. Karena imbal hasil ekstrem ini, sebaran imbal hasil harian aset tidak normal, melainkan berekor gemuk, dan terkadang menceng. Secara umum, imbal hasil saham individual biasanya memiliki variabilitas yang lebih besar dan observasi yang lebih ekstrem dibandingkan imbal hasil indeks.

Dalam latihan ini, Anda akan bekerja dengan himpunan data eu_percentreturns, yaitu persentase imbal hasil yang dihitung dari data eu_stocks Anda. Untuk masing-masing dari empat indeks dalam data Anda, Anda akan menghitung rataan sampel, varians, dan simpangan baku.

Perhatikan bahwa rata-rata imbal hasil harian sekitar 0, sedangkan simpangan bakunya sekitar 1 poin persentase. Juga terapkan fungsi hist() dan qqnorm() untuk membuat histogram dan plot kuantil normal, masing-masing, untuk setiap indeks.

Latihan ini adalah bagian dari kursus

Analisis Deret Waktu dengan R

Lihat Kursus

Petunjuk latihan

Gunakan colMeans() untuk menghitung rataan sampel tiap kolom dalam data eu_percentreturns Anda.
Gunakan apply() untuk menghitung varians sampel setiap indeks. Biarkan argumen MARGIN pada 2 dan setel argumen FUN ke var.
Gunakan pemanggilan apply() lain untuk menghitung simpangan baku setiap indeks. Pertahankan argumen MARGIN pada 2 tetapi kali ini setel argumen FUN ke sd.
Jalankan sisa kode untuk menampilkan histogram dan plot kuantil normal dari persentase imbal hasil untuk setiap indeks.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Generate means from eu_percentreturns
colMeans(___)

# Use apply to calculate sample variance from eu_percentreturns
apply(___, MARGIN = 2, FUN = ___)

# Use apply to calculate standard deviation from eu_percentreturns


# Display histogram and normal quantile plots
par(mfrow = c(2,2))
apply(eu_percentreturns, MARGIN = 2, FUN = hist, main = "", xlab = "Percentage Return")

par(mfrow = c(2,2))
apply(eu_percentreturns, MARGIN = 2, FUN = qqnorm, main = "")
qqline(eu_percentreturns)

Edit dan Jalankan Kode