Detectarea non-normalității cu ajutorul asimetriei și curtosis

Randamentele sunt cel mai adesea non-normale prin natura lor. Două măsuri esențiale pentru înțelegerea distribuției randamentelor non-normale sunt asimetria (skewness) și curtosis. Asimetria îți arată dacă randamentele negative sau cele pozitive apar mai frecvent. O asimetrie negativă indică faptul că randamentele mari negative apar mai des decât cele mari pozitive, și invers.

Curtosis va fi pozitiv dacă distribuția ta prezintă cozi groase. Aceasta înseamnă că randamentele mari pozitive sau negative vor apărea mai des decât s-ar putea presupune în cazul unei distribuții normale.

Histogramele din mediul de vizualizare compară randamentele zilnice și lunare ale S&P 500 pentru perioada 1986 – prezent. Se pare că există o skewness() negativă în aceste grafice și un kurtosis() ușor mai mare decât cel normal. Reține că, implicit, kurtosis() raportează curtosis în exces (adică valoarea curtosis minus trei). Să verificăm dacă cifrele confirmă observațiile noastre!

Obiectele sp500_daily și sp500_monthly sunt deja încărcate în spațiul tău de lucru.