Kiểm định thống kê về tính chuẩn
Để thực sự tự tin về nhận định tính chuẩn của phân phối lợi nhuận cổ phiếu, bạn nên dùng một kiểm định thống kê đúng nghĩa thay vì chỉ nhìn vào độ nhọn (kurtosis) hay độ lệch (skewness).
Bạn có thể dùng hàm shapiro() từ scipy.stats để chạy kiểm định Shapiro–Wilk về tính chuẩn cho chuỗi lợi nhuận. Hàm sẽ trả về hai giá trị trong một danh sách. Giá trị đầu tiên là t-stat của kiểm định, và giá trị thứ hai là p-value. Bạn có thể dùng p-value để đưa ra kết luận về tính chuẩn của dữ liệu. Nếu p-value nhỏ hơn hoặc bằng 0,05, bạn có thể bác bỏ giả thuyết không (tính chuẩn) một cách an toàn và cho rằng dữ liệu không tuân theo phân phối chuẩn.
clean_returns từ bài tập trước có sẵn trong workspace của bạn.
Bài tập này là một phần của khóa học
Nhập môn Quản trị Rủi ro Danh mục bằng Python
Hướng dẫn bài tập
- Import
shapirotừscipy.stats. - Chạy kiểm định Shapiro–Wilk trên
clean_returns. - Trích xuất p-value từ tuple
shapiro_results.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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)