Caratteristiche delle serie storiche finanziarie
I rendimenti giornalieri degli strumenti finanziari in genere condividono molte caratteristiche. I rendimenti su un giorno sono di solito piccoli e la loro media è vicina a zero. Allo stesso tempo, varianze e deviazioni standard possono essere relativamente grandi. Nell’arco di alcuni anni si osservano tipicamente alcuni rendimenti molto grandi (in valore assoluto). Questi outlier relativi si verificano solo in pochi giorni, ma spiegano i movimenti più consistenti dei prezzi degli asset. A causa di questi rendimenti estremi, la distribuzione dei rendimenti giornalieri non è normale, ma a code pesanti, e talvolta asimmetrica. In generale, i rendimenti dei singoli titoli presentano in media una variabilità ancora maggiore e osservazioni più estreme rispetto ai rendimenti degli indici.
In questo esercizio lavorerai con il dataset eu_percentreturns, che contiene i rendimenti percentuali calcolati dai tuoi dati eu_stocks. Per ciascuno dei quattro indici presenti nei dati, calcolerai media campionaria, varianza e deviazione standard.
Nota che il rendimento medio giornaliero è circa 0, mentre la deviazione standard è circa 1 punto percentuale. Applica anche le funzioni hist() e qqnorm() per creare, rispettivamente, un istogramma e un grafico quantile-normale per ciascun indice.
Questo esercizio fa parte del corso
Analisi delle serie temporali in R
Istruzioni dell'esercizio
- Usa
colMeans()per calcolare la media campionaria di ogni colonna ineu_percentreturns. - Usa
apply()per calcolare la varianza campionaria di ciascun indice. LasciaMARGINa2e impostaFUNsuvar. - Fai un’altra chiamata a
apply()per calcolare la deviazione standard di ciascun indice. MantieniMARGINa2, ma questa volta impostaFUNsusd. - Esegui il resto del codice per visualizzare un istogramma e i grafici quantile-normali dei rendimenti percentuali per ciascun indice.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)