Статистичні тести на нормальність
Щоб упевнено оцінити нормальність розподілу доходностей акції, варто застосувати повноцінний статистичний тест, а не лише дивитися на ексцес чи асиметрію.
Ви можете використати функцію shapiro() з scipy.stats, щоб виконати критерій Шапіро — Уїлка на доходностях акції. Функція повертає два значення у списку. Перше значення — t-статистика тесту, друге — p-значення. За p-значенням можна зробити висновок щодо нормальності даних. Якщо p-значення менше або дорівнює 0,05, ви можете впевнено відхилити нульову гіпотезу нормальності та вважати, що дані розподілені ненормально.
clean_returns з попередньої вправи доступна у вашому робочому середовищі.
Ця вправа є частиною курсу
Вступ до керування ризиком портфеля в Python
Інструкції до вправи
- Імпортуйте
shapiroзscipy.stats. - Запустіть критерій Шапіро — Уїлка на
clean_returns. - Дістаньте p-значення з кортежу
shapiro_results.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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)