正态性统计检验
为了更有把握地判断某只股票收益分布是否服从正态分布，您应使用严格的统计检验，而不是只看峰度或偏度。
您可以使用 scipy.stats 中的 shapiro() 函数对股票收益执行 Shapiro-Wilk 正态性检验。该函数会返回一个包含两个值的列表（元组）。第一个值是检验的 t 统计量，第二个值是 p 值。您可以根据 p 值来判断数据的正态性。如果 p 值小于或等于 0.05，则可以拒绝"服从正态分布"的原假设，认为数据不服从正态分布。
上一个练习中的 clean_returns 已在您的工作空间中可用。
本练习是课程的一部分
Python 投资组合风险管理入门
练习说明
- 从
scipy.stats导入shapiro。 - 对
clean_returns运行 Shapiro-Wilk 检验。 - 从
shapiro_results元组中提取 p 值。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)