Statistiska test för normalitet
För att verkligen kunna bedöma om aktiens avkastningsfördelning är normalfördelad bör du använda ett statistiskt test – inte bara undersöka kurtosis eller skevhet.
Du kan använda funktionen shapiro() från scipy.stats för att köra ett Shapiro-Wilk-test för normalitet på aktieavkastningarna. Funktionen returnerar två värden i en lista. Det första värdet är t-statistikan för testet och det andra är p-värdet. Du kan använda p-värdet för att bedöma om datan är normalfördelad. Om p-värdet är mindre än eller lika med 0,05 kan du med säkerhet förkasta nollhypotesen om normalitet och anta att datan inte är normalfördelad.
clean_returns från föregående övning finns tillgänglig i din arbetsmiljö.
Den här övningen är en del av kursen
Introduktion till portföljriskhantering i Python
Övningsinstruktioner
- Importera
shapirofrånscipy.stats. - Kör Shapiro-Wilk-testet på
clean_returns. - Extrahera p-värdet från tupeln
shapiro_results.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)