Проверка нормальности для более длинных временных горизонтов
При суммировании доходностей за более длительные периоды времени проявляется эффект центральной предельной теоремы: доходности начинают всё больше соответствовать нормальному распределению.
В этом упражнении вы воспользуетесь функциями агрегирования, изученными в первой главе, чтобы агрегировать данные из djx_d — дневные логарифмические доходности 29 акций индекса Доу-Джонса за период 2000–2015 годов. Затем вы применили тест Харке–Бера к дневным, недельным и месячным доходностям. Набор данных djx_d уже загружен в вашем рабочем пространстве.
Это упражнение является частью курса
Количественное управление рисками в R
Инструкции к упражнению
- Вычислите недельные и месячные логарифмические доходности по
djx_dи присвойте результаты переменнымdjx_wиdjx_mсоответственно. - Заполните функцию
apply(), чтобы вычислить p-значение теста Харке–Бера для каждого дневного ряда доходностей акций Доу-Джонса изdjx_d. - Сделайте то же самое для недельных доходностей в
djx_w. - Сделайте то же самое для месячных доходностей в
djx_m.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Calculate weekly and monthly log-returns from djx_d
djx_w <- ___(___)
djx_m <- ___(___)
# Calculate the p-value for each series in djx_d
apply(___, 2, function(v){jarque.test(v)$p.value})
# Calculate the p-value for each series in djx_w
apply(___, 2, function(v){jarque.test(v)$p.value})
# Calculate the p-value for each series in djx_m
apply(___, 2, function(v){jarque.test(v)$p.value})