Met acf-plots volatiliteit zichtbaar maken
Deze oefening borduurt voort op de vorige R-oefening waarin we keken naar zichtbare signalen van volatiliteit in een financiële tijdreeks. Voor de Dow Jones-rendementen van 2008–11 in djx en de gesimuleerde normaal- en t-verdeelde data in respectievelijk ndata en tdata, ga je de steekproef-autocorrelatiefuncties (acf) berekenen en plotten met het commando acf().
Hoewel er in deze plots nauwelijks aanwijzingen voor seriële correlatie te zien zijn, verandert het beeld drastisch wanneer we naar absolute of gekwadrateerde rendementen kijken. De werkelijke rendementen in de Dow Jones-serie djx gedragen zich heel anders dan de gesimuleerde data. De seriële correlatie in absolute of gekwadrateerde rendementen is een gevolg van volatiliteit: grote rendementen worden dan gevolgd door opnieuw grote rendementen, zij het niet per se met hetzelfde teken.
djx, ndata en tdata zijn beschikbaar in je werkruimte.
Deze oefening maakt deel uit van de cursus
Kwantiatief Risicobeheer in R
Oefeninstructies
- Stel de plotruimte in om 3 plots tegelijk te tonen (dit is al voor je gedaan).
- Plot de steekproef-acf van
djxen van de gesimuleerde normaal- en t-verdeelde datandataentdata. - Plot de steekproef-acf van de absolute waarden van de drie reeksen.
- Plot de steekproef-acf van de kwadraten van de waarden van de drie reeksen.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Set up a plot region to show 3 plots at a time
par(mfrow = c(3, 1))
# Plot the acfs of djx, ndata and tdata
___
___
___
# Plot the acfs of the absolute values
___
___
___
# Plot the acfs of the squares of the values
___
___
___