การทดสอบทางสถิติสำหรับการแจกแจงแบบปกติ

หากต้องการมั่นใจอย่างแท้จริงว่าการแจกแจงของผลตอบแทนหุ้นเป็นแบบปกติหรือไม่ ควรใช้การทดสอบทางสถิติจริง ๆ แทนที่จะพิจารณาแค่ค่า kurtosis หรือ skewness เพียงอย่างเดียว

สามารถใช้ฟังก์ชัน shapiro() จาก scipy.stats เพื่อรัน Shapiro-Wilk test สำหรับการแจกแจงแบบปกติบนผลตอบแทนของหุ้นได้ ฟังก์ชันนี้จะคืนค่าสองค่าในรูปแบบ list ค่าแรกคือ t-stat ของการทดสอบ และค่าที่สองคือ p-value ซึ่งใช้ตัดสินว่าข้อมูลมีการแจกแจงแบบปกติหรือไม่ หาก p-value น้อยกว่าหรือเท่ากับ 0.05 แสดงว่าสามารถปฏิเสธสมมติฐานหลักที่ว่าข้อมูลมีการแจกแจงแบบปกติได้ และถือว่าข้อมูลมีการแจกแจงที่ไม่เป็นแบบปกติ

clean_returns จากแบบฝึกหัดก่อนหน้าพร้อมใช้งานใน workspace แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Python เบื้องต้นสำหรับการบริหารความเสี่ยงพอร์ตการลงทุน

ดูคอร์ส

คำแนะนำการฝึกหัด

Import shapiro จาก scipy.stats
รัน Shapiro-Wilk test บน clean_returns
ดึงค่า p-value จาก tuple ชื่อ shapiro_results

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)

แก้ไขและรันโค้ด