Skewness and kurtosis

Python में पोर्टफोलियो जोखिम प्रबंधन का परिचय

Dakota Wixom

Quantitative Analyst | QuantCourse.com

Skewness किसी वितरण का तीसरा मोमेंट है.

Negative Skew: वितरण का द्रव्यमान दाईं ओर केंद्रित. आम तौर पर दाईं झुकी हुई वक्र
Positive Skew: वितरण का द्रव्यमान बाईं ओर केंद्रित. आम तौर पर बाईं झुकी हुई वक्र
फाइनेंस में, आप सामान्यतः positive skewness चाहेंगे

Skewness in Python

मान लीजिए StockData ऑब्जेक्ट में स्टॉक रिटर्न डेटा प्रीलोडेड है.

रिटर्न की skewness निकालने के लिए:

from scipy.stats import skew
skew(StockData["Returns"].dropna())

0.225

ध्यान दें, इस उदाहरण में skewness 0 से अधिक है, जो non-normality सुझाता है.

Kurtosis वितरण की पूँछों की मोटाई का माप है.

अधिकांश वित्तीय रिटर्न leptokurtic होते हैं
Leptokurtic: जब वितरण में positive excess kurtosis हो (kurtosis 3 से बड़ा)
Excess Kurtosis: सैंपल kurtosis में से 3 घटाकर "Excess Kurtosis" निकालें

Excess kurtosis in Python

मान लीजिए StockData ऑब्जेक्ट में स्टॉक रिटर्न डेटा प्रीलोडेड है. रिटर्न की excess kurtosis निकालने के लिए:

from scipy.stats import kurtosis
kurtosis(StockData["Returns"].dropna())

2.44

ध्यान दें, इस उदाहरण में excess kurtosis 0 से अधिक है, जो non-normality सुझाता है.

Python में normality की जाँच

आप normality का सांख्यिकीय परीक्षण कैसे करेंगे?

Shapiro-Wilk test की null hypothesis है कि डेटा normally distributed है.

# Python में Shapiro-Wilk normality टेस्ट चलाएँ 
from scipy import stats
p_value = stats.shapiro(StockData["Returns"].dropna())[1]
if p_value <= 0.05:
     print("Null hypothesis of normality is rejected.")
else:
     print("Null hypothesis of normality is accepted.")

p-value सूची में लौटे दूसरे वैरिएबल के रूप में आता है. यदि p-value 0.05 से कम है, तो null hypothesis अस्वीकृत होगी क्योंकि डेटा संभवतः non-normal है.

अभ्यास करते हैं!

Python में पोर्टफोलियो जोखिम प्रबंधन का परिचय