Egenskaper hos finansiella tidsserier

Dagliga avkastningar för finansiella tillgångar delar ofta många gemensamma egenskaper. Avkastningen under en enskild dag är vanligtvis liten och dess medelvärde ligger nära noll. Samtidigt kan varians och standardavvikelse vara relativt stora. Under loppet av några år observeras ofta ett fåtal mycket stora avkastningar – sett till absoluta tal. Dessa relativa extremvärden förekommer bara ett fåtal dagar, men de står för de mest betydande rörelserna i tillgångspriser. Till följd av dessa extrema avkastningar är fördelningen av dagliga tillgångsavkastningar inte normalfördelad, utan tungsvansad och ibland skev. Generellt sett uppvisar avkastningar för enskilda aktier ännu större variabilitet och fler extremvärden jämfört med indexavkastningar.

I den här övningen arbetar du med datamängden eu_percentreturns, som innehåller procentuella avkastningar beräknade från dina eu_stocks-data. För vart och ett av de fyra index som finns i dina data beräknar du urvalsmedelvärde, varians och standardavvikelse.

Observera att den genomsnittliga dagliga avkastningen är nära 0, medan standardavvikelsen är ungefär 1 procentenhet. Tillämpa även funktionerna hist() och qqnorm() för att skapa histogram respektive normalkvantilsplottar för varje index.

Den här övningen är en del av kursen

Tidsserieanalys i R

Visa kurs

Övningsinstruktioner

Använd colMeans() för att beräkna urvalsmedelvärdet för varje kolumn i dina eu_percentreturns-data.
Använd apply() för att beräkna urvalsvariansen för varje index. Lämna argumentet MARGIN på 2 och sätt argumentet FUN till var.
Gör ytterligare ett anrop till apply() för att beräkna standardavvikelsen för varje index. Behåll MARGIN på 2, men sätt den här gången FUN till sd.
Kör den återstående koden för att visa ett histogram och normalkvantilsplottar över procentuella avkastningar för varje index.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)

Redigera och kör kod