Testowanie zwrotów walutowych pod kątem normalności
W dotychczasowych ćwiczeniach tego rozdziału analizowałeś normalność zwrotów indeksów giełdowych oraz pojedynczych akcji.
Aby utrwalić te zagadnienia, zastosujesz podobne podejście do logarytmicznych zwrotów kursów walutowych. Zbiór danych fx_d zawiera dzienne log-zwroty kursów EUR/USD, GBP/USD i JPY/USD dla okresu 2001–2015, natomiast fx_m zawiera odpowiadające im miesięczne log-zwroty. Oba zbiory są wielowymiarowe i zostały wczytane do twojego środowiska pracy.
Która z miesięcznych serii log-zwrotów najbardziej przypomina rozkład normalny?
To ćwiczenie jest częścią kursu
Ilościowe zarządzanie ryzykiem w R
Instrukcje do ćwiczenia
- Wykreśl dzienne serie log-zwrotów kursów walutowych z
fx_d, korzystając z odpowiedniej funkcji wizualizacji. - Użyj funkcji
apply(), aby przeprowadzić test Jarque'a-Bery na każdej serii wfx_d. - Wykreśl miesięczne serie log-zwrotów z
fx_mza pomocą tej samej funkcji z parametremtype = "h". - Użyj funkcji
apply(), aby przeprowadzić test Jarque'a-Bery na każdej serii wfx_m. - Uzupełnij wywołanie
apply(), aby dopasować rozkład t-Studenta do każdej serii wfx_mi uzyskać oszacowania parametrów.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Plot the daily log-return series in fx_d
___(___)
# Apply the Jarque-Bera test to each of the series in fx_d
___(___)
# Plot the monthly log-return series in fx_m
___(___)
# Apply the Jarque-Bera test to each of the series in fx_m
___(___)
# Fit a Student t distribution to each of the series in fx_m
apply(___, ___, function(v){fit.st(v)$par.ests})