Normaliteit testen voor langere beleggingshorizons
Als rendementen over langere perioden bij elkaar worden opgeteld, treedt er een centrale limiet-effect op en neigen rendementen naar een meer normale verdeling.
In deze oefening gebruik je de aggregatiefuncties die je in het eerste hoofdstuk hebt geleerd om de gegevens in djx_d te aggregeren. Deze set bevat de dagelijkse logrendementen voor 29 Dow Jones-aandelen over de periode 2000–2015. Daarna pas je de Jarque-Bera-toets toe op de dagelijkse, wekelijkse en maandelijkse rendementen. djx_d is al in je werkruimte geladen.
Deze oefening maakt deel uit van de cursus
Kwantiatief Risicobeheer in R
Oefeninstructies
- Bereken de wekelijkse en maandelijkse logrendementen van
djx_den sla die respectievelijk op indjx_wendjx_m. - Vul
apply()aan om de p-waarde van de Jarque-Bera-toets te berekenen voor elk van de Dow Jones-dagelijkse rendementreeksen indjx_d. - Doe hetzelfde voor de wekelijkse aandelenrendementen in
djx_w. - Doe hetzelfde voor de maandelijkse aandelenrendementen in
djx_m.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Calculate weekly and monthly log-returns from djx_d
djx_w <- ___(___)
djx_m <- ___(___)
# Calculate the p-value for each series in djx_d
apply(___, 2, function(v){jarque.test(v)$p.value})
# Calculate the p-value for each series in djx_w
apply(___, 2, function(v){jarque.test(v)$p.value})
# Calculate the p-value for each series in djx_m
apply(___, 2, function(v){jarque.test(v)$p.value})