財務時間序列的特性

每日的金融資產報酬通常具備許多共通特性。單日報酬多半幅度很小，平均值接近 0。另一方面，其變異數與標準差可能相對較大。在數年的觀察期間，通常會出現幾次非常大的報酬（就絕對值而言）。這些相對的離群點只發生在少數幾天，但卻解釋了資產價格最顯著的變動。由於這些極端報酬的存在，每日資產報酬的分配並非常態，而是重尾分配，有時還會偏態。一般而言，單一股票的報酬通常比指數報酬有更大的變動性與更多極端觀察值。

在這個練習中，你會使用 eu_percentreturns 資料集，也就是從 eu_stocks 資料計算出的百分比報酬。對於資料中包含的 4 個指數，你將分別計算樣本平均、變異數與標準差。

請注意，平均的單日報酬約為 0，而標準差約為 1 個百分點。也請分別套用 hist() 與 qqnorm() 來為每個指數繪製長條圖與常態分位數圖。

本練習屬於課程

R 的時間序列分析

檢視課程

練習說明

使用 colMeans() 計算 eu_percentreturns 資料中各欄的樣本平均。
使用 apply() 計算每個指數的樣本變異數。將 MARGIN 保持為 2，並將 FUN 設為 var。
再呼叫一次 apply() 計算每個指數的標準差。MARGIN 同樣設為 2，這次將 FUN 設為 sd。
執行剩餘的程式碼，顯示各指數百分比報酬的長條圖與常態分位數圖。

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。

# Generate means from eu_percentreturns
colMeans(___)

# Use apply to calculate sample variance from eu_percentreturns
apply(___, MARGIN = 2, FUN = ___)

# Use apply to calculate standard deviation from eu_percentreturns


# Display histogram and normal quantile plots
par(mfrow = c(2,2))
apply(eu_percentreturns, MARGIN = 2, FUN = hist, main = "", xlab = "Percentage Return")

par(mfrow = c(2,2))
apply(eu_percentreturns, MARGIN = 2, FUN = qqnorm, main = "")
qqline(eu_percentreturns)

編輯並執行程式碼