Statystyczne testy normalności
Aby naprawdę mieć pewność co do oceny normalności rozkładu stóp zwrotu akcji, warto skorzystać z właściwego testu statystycznego – nie tylko analizować kurtozę czy skośność.
Możesz użyć funkcji shapiro() z biblioteki scipy.stats, aby przeprowadzić test normalności Shapiro-Wilka na stopach zwrotu. Funkcja zwraca dwie wartości w postaci listy. Pierwsza to statystyka testowa, a druga to wartość p. Na podstawie wartości p możesz ocenić, czy dane mają rozkład normalny. Jeśli wartość p jest mniejsza lub równa 0,05, możesz bezpiecznie odrzucić hipotezę zerową o normalności i przyjąć, że dane nie mają rozkładu normalnego.
clean_returns z poprzedniego ćwiczenia jest dostępne w twoim środowisku pracy.
To ćwiczenie jest częścią kursu
Wprowadzenie do zarządzania ryzykiem portfela w Pythonie
Instrukcje do ćwiczenia
- Zaimportuj
shapirozscipy.stats. - Przeprowadź test Shapiro-Wilka na
clean_returns. - Wyodrębnij wartość p z krotki
shapiro_results.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)