Характеристики финансовых временных рядов

Дневная доходность финансовых активов обычно обладает рядом общих характеристик. Изменения за один день, как правило, невелики, а их среднее значение близко к нулю. При этом дисперсия и стандартное отклонение могут быть относительно большими. За несколько лет наблюдается несколько экстремально высоких значений доходности по модулю. Такие выбросы встречаются лишь в отдельные дни, однако именно они определяют наиболее значительные движения цен активов. Из-за этих экстремальных значений распределение дневной доходности не является нормальным — оно имеет тяжёлые хвосты и иногда скошено. В целом, доходность отдельных акций обычно отличается ещё большей изменчивостью и более выраженными выбросами по сравнению с индексной доходностью.

В этом упражнении вы будете работать с набором данных eu_percentreturns — процентной доходностью, рассчитанной на основе ваших данных eu_stocks. Для каждого из четырёх индексов вы вычислите выборочное среднее, дисперсию и стандартное отклонение.

Обратите внимание: среднее значение дневной доходности близко к 0, а стандартное отклонение составляет около 1 процентного пункта. Также примените функции hist() и qqnorm(), чтобы построить гистограммы и графики нормальных квантилей для каждого из индексов.

Это упражнение является частью курса

Анализ временных рядов в R

Посмотреть курс

Инструкции к упражнению

Используйте colMeans(), чтобы вычислить выборочное среднее для каждого столбца в наборе данных eu_percentreturns.
Используйте apply(), чтобы вычислить выборочную дисперсию для каждого индекса. Оставьте аргумент MARGIN равным 2 и задайте аргумент FUN как var.
Снова вызовите apply(), чтобы вычислить стандартное отклонение для каждого индекса. Оставьте MARGIN равным 2, но на этот раз задайте FUN как sd.
Запустите оставшийся код, чтобы отобразить гистограмму и графики нормальных квантилей процентной доходности для каждого индекса.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Generate means from eu_percentreturns
colMeans(___)

# Use apply to calculate sample variance from eu_percentreturns
apply(___, MARGIN = 2, FUN = ___)

# Use apply to calculate standard deviation from eu_percentreturns


# Display histogram and normal quantile plots
par(mfrow = c(2,2))
apply(eu_percentreturns, MARGIN = 2, FUN = hist, main = "", xlab = "Percentage Return")

par(mfrow = c(2,2))
apply(eu_percentreturns, MARGIN = 2, FUN = qqnorm, main = "")
qqline(eu_percentreturns)

Редактировать и запускать код