Statistische toetsen op normaliteit
Om echt zeker te zijn van je oordeel over de normaliteit van de rendementsverdeling van het aandeel, wil je een echte statistische toets gebruiken in plaats van alleen naar kurtosis of scheefheid te kijken.
Je kunt de shapiro()-functie uit scipy.stats gebruiken om een Shapiro-Wilk-toets op normaliteit uit te voeren op de aandelenrendementen. De functie retourneert twee waarden in een lijst. De eerste waarde is de t-stat van de toets en de tweede waarde is de p-waarde. Je kunt de p-waarde gebruiken om een oordeel te vellen over de normaliteit van de data. Als de p-waarde kleiner dan of gelijk aan 0,05 is, kun je de nulhypothese van normaliteit veilig verwerpen en aannemen dat de data niet-normaal verdeeld zijn.
clean_returns uit de vorige oefening is beschikbaar in je werkruimte.
Deze oefening maakt deel uit van de cursus
Introductie tot portefeuillerisicobeheer in Python
Oefeninstructies
- Importeer
shapirouitscipy.stats. - Voer de Shapiro-Wilk-toets uit op
clean_returns. - Haal de p-waarde uit de
shapiro_results-tuple.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Import shapiro from scipy.stats
from ____ import ____
# Run the Shapiro-Wilk test on the stock returns
shapiro_results = ____
print("Shapiro results:", shapiro_results)
# Extract the p-value from the shapiro_results
p_value = ____
print("P-value: ", p_value)