金融時系列の特徴
日次の金融資産リターンには、共通する特徴が多くあります。1日のリターン自体は小さく、平均はゼロに近い傾向があります。その一方で、分散や標準偏差は相対的に大きくなり得ます。数年のスパンで見ると、(絶対値として)非常に大きなリターンがいくつか観測されます。こうした相対的な外れ値はごく一部の日にしか起きませんが、資産価格の大きな変動の多くを占めます。極端なリターンが存在するため、日次リターンの分布は正規分布ではなく、裾が厚く、ときに歪みも見られます。一般に、個別株のリターンはインデックスのリターンよりも変動が大きく、極端な観測値がより多くなります。
この演習では、eu_stocks データから計算したパーセンテージリターンである eu_percentreturns データセットを使います。データに含まれる4つの各インデックスについて、標本平均、分散、標準偏差を計算します。
日次平均リターンはおよそ 0、標準偏差はおよそ 1 パーセントポイントであることに注目してください。さらに、各インデックスに対して hist() と qqnorm() 関数を適用し、それぞれヒストグラムと正規分位数プロットを作成しましょう。
この演習はコースの一部です
Rで学ぶ時系列分析
演習の手順
colMeans()を使って、eu_percentreturnsの各列の標本平均を計算します。apply()を使って、各インデックスの標本分散を計算します。MARGIN引数は2のままにし、FUN引数をvarに設定します。- もう一度
apply()を呼び出して、各インデックスの標準偏差を計算します。MARGIN引数は2のままにし、今度はFUN引数をsdに設定します。 - 残りのコードを実行して、各インデックスのパーセンテージリターンについてヒストグラムと正規分位数プロットを表示します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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)