常態性統計檢定
若要對自己對該股票報酬分配是否近似常態的判斷更有把握，你應該使用正式的統計檢定，而不是只看峰度或偏度。
你可以使用 scipy.stats 中的 shapiro() 對股票報酬執行 Shapiro–Wilk 常態性檢定。此函式會在一個列表中回傳兩個值。第一個值是檢定的 t 統計量，第二個值是 p-value。你可以用 p-value 來判斷資料是否為常態分配。若 p-value 小於或等於 0.05，你就可以安全地拒絕「常態性」的虛無假設，並假設資料並非常態分配。
上一個練習的 clean_returns 已可在你的工作空間中使用。
本練習屬於課程
Python 投資組合風險管理入門
練習說明
- 從
scipy.stats匯入shapiro。 - 對
clean_returns執行 Shapiro–Wilk 檢定。 - 從
shapiro_results的 tuple 中取出 p-value。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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)