股票與隱含波動度的風險因子
若要分析僅含一個選擇權的投資組合風險，必須同時考慮三個風險因子的變化：股價、波動度與利率。這裡你將聚焦在前兩個風險因子，並假設在短時間區間內利率變動不大。期間為 1990–2010 的每日風險因子數值已存於 riskfactors，相對應的對數報酬在 returns；這兩個多變量資料集都已載入到你的工作環境。
波動度是本課程目前尚未討論過的新風險因子。它以 VIX 指數表示，此指數由 S&P 500 指數多種選擇權的隱含波動度所建構：
> names(returns)
[1] "X.GSPC" "X.VIX"
在本練習中，你將檢驗波動度的對數報酬是否與你先前看到的其他報酬資料有類似行為，並觀察它與 S&P 500 指數對數報酬之間如何變動。
本練習屬於課程
R 的量化風險管理
練習說明
- 使用合適的函式繪製
riskfactors與returns的資料。 - 連續使用
plot()與as.matrix()，為returns建立散佈圖。 - 使用
apply()對returns進行 Jarque-Bera 檢定，接著使用qqnorm()與中括號索引，為returns中含有波動度資料的該時間序列之對數報酬繪製對常態的 Q-Q 圖。 - 先為
returns的資料建立樣本自相關（acf）圖，再為其絕對報酬建立自相關圖。 - 使用
cor()計算returns中兩個風險因子的對數報酬之相關係數。
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。
# Plot the risk factors and the log-returns
# Make a scatterplot of the two return series
# Apply the Jarque-Bera test to the returns and make a Q-Q plot of the volatility log-returns
# Create the sample acf of the returns and absolute returns
# Calculate the correlation between the log-returns