Testa normalitet för längre tidshorisonter
När avkastningar summeras över längre tidsperioder uppstår en centralgräns-effekt och avkastningarna tenderar att bli mer normalfördelade.
I den här övningen använder du aggregeringsfunktioner från det första kapitlet för att aggregera data i djx_d, som innehåller dagliga log-avkastningar för 29 av Dow Jones-aktierna för perioden 2000–2015. Sedan tillämpar du Jarque-Bera-testet på de dagliga, veckovisa och månatliga avkastningarna. djx_d är inläst i din arbetsmiljö.
Den här övningen är en del av kursen
Kvantitativ riskhantering i R
Övningsinstruktioner
- Beräkna veckovisa och månatliga log-avkastningar för
djx_doch tilldela dem tilldjx_wrespektivedjx_m. - Fyll i
apply()för att beräkna p-värdet för Jarque-Bera-testet för var och en av Dow Jones dagliga avkastningsserier idjx_d. - Gör samma sak för de veckovisa aktiekursavkastningarna i
djx_w. - Gör samma sak för de månatliga aktiekursavkastningarna i
djx_m.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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})