始める無料で始める

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()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

コースを見る

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)
コードを編集して実行