Kom igångKom igång gratis

Identifiera icke-normalitet med skevhet och kurtosis

Avkastningar är oftast inte normalfördelade. Två viktiga mått för att förstå fördelningen av icke-normal avkastning är skevhet och kurtosis. Skevheten hjälper dig att avgöra om negativ eller positiv avkastning förekommer oftare. Negativ skevhet indikerar att stora negativa avkastningar inträffar oftare än stora positiva, och vice versa.

Kurtosis är positiv om det finns tjocka svansar i din fördelning. Det innebär att stora positiva eller negativa avkastningar förekommer oftare än vad som kan antas under en normalfördelning.

Histogrammen i plotmiljön jämför dagliga och månatliga avkastningar för S&P 500 under perioden 1986 fram till i dag. Det verkar finnas en negativ skewness() i dessa diagram, och en något högre kurtosis än normalt kurtosis(). Observera att kurtosis() som standard rapporterar excesskurtosis (det vill säga kurtosis minus tre). Låt oss se om siffrorna stämmer överens med våra iakttagelser!

Objekten sp500_daily och sp500_monthly är redan inlästa i din arbetsmiljö.

Den här övningen är en del av kursen

Introduktion till portföljanalys i R

Visa kurs

Övningsinstruktioner

  • Beräkna skevheten för sp500_daily och sp500_monthly.
  • Beräkna excesskurtosis för sp500_daily och sp500_monthly.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

#  Compute the skewness 
  
  

# Compute the excess kurtosis 


   
Redigera och kör kod