Статистические тесты на нормальность
Чтобы действительно убедиться в нормальности распределения доходности акций, стоит воспользоваться статистическим тестом, а не ограничиваться анализом эксцесса или асимметрии.
Для проверки нормальности доходности акций применяйте функцию shapiro() из модуля scipy.stats — она реализует тест Шапиро–Уилка. Функция возвращает список из двух значений: первое — t-статистика теста, второе — p-значение. По p-значению можно судить о нормальности данных. Если p-значение меньше или равно 0,05, нулевую гипотезу о нормальности распределения можно уверенно отвергнуть и считать данные ненормально распределёнными.
Переменная clean_returns из предыдущего упражнения доступна в вашем рабочем пространстве.
Это упражнение является частью курса
Введение в управление портфельными рисками на Python
Инструкции к упражнению
- Импортируйте
shapiroизscipy.stats. - Запустите тест Шапиро–Уилка для
clean_returns. - Извлеките p-значение из кортежа
shapiro_results.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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)