## Họ và tên: NGUYỄN THỊ YẾN NHI
## Lớp: 24NH1
## MSSV: 2454020050
## BÀI THỰC HÀNH CUỐI KÌ
# NHẬP LIỆU
chiso=file.choose()
datadulieu=read.csv(chiso,header=TRUE)
save(datadulieu,file="datadulieu.rda")
attach(datadulieu)
is.data.frame(datadulieu)
## [1] TRUE
# CÂU B MÃ HÓA DỮ LIỆU
## MÃ HÓA DOW JONES
DowJones=as.numeric(gsub(",","",datadulieu$Dow.Jones))
DowJonesMH=DowJones
DowJonesMH=replace(DowJonesMH,DowJones<=49000,1)
DowJonesMH=replace(DowJonesMH,DowJones>49000,2)
DowJones=data.frame(DowJones,DowJonesMH)
DowJones
## DowJones DowJonesMH
## 1 51521.28 2
## 2 51267.90 2
## 3 51176.96 2
## 4 50926.56 2
## 5 50906.05 2
## 6 51349.92 2
## 7 51481.51 2
## 8 51828.62 2
## 9 51349.98 2
## 10 51511.59 2
## 11 51863.69 2
## 12 52048.83 2
## 13 51682.64 2
## 14 51778.04 2
## 15 51461.90 2
## 16 52093.11 2
## 17 52421.20 2
## 18 52573.29 2
## 19 52064.10 2
## 20 52380.66 2
## 21 52786.07 2
## 22 53414.25 2
## 23 53686.11 2
## 24 53061.95 2
## 25 52766.88 2
## 26 53185.90 2
## 27 53559.99 2
## 28 53569.44 2
## 29 53463.88 2
## 30 53577.40 2
## 31 53417.16 2
## 32 53277.01 2
## 33 52759.21 2
## 34 53463.05 2
## 35 53343.40 2
## 36 53459.78 2
## 37 53732.41 2
## 38 53839.99 2
## 39 53770.27 2
## 40 53791.85 2
## 41 53975.98 2
## 42 54036.93 2
## 43 53885.10 2
## 44 54349.12 2
## 45 54085.88 2
## 46 53178.41 2
## 47 52485.03 2
## 48 52208.06 2
## 49 51594.14 2
## 50 52747.32 2
## 51 52210.08 2
## 52 51947.25 2
## 53 51711.65 2
## 54 52218.58 2
## 55 52224.64 2
## 56 51839.26 2
## 57 52146.42 2
## 58 52552.97 2
## 59 52658.64 2
## 60 52508.27 2
## 61 52498.64 2
## 62 52637.01 2
## 63 52487.41 2
## 64 52348.39 2
## 65 52925.15 2
## 66 53055.91 2
## 67 52900.07 2
## 68 52305.24 2
## 69 52319.20 2
## 70 52182.74 2
## 71 51876.11 2
## 72 51920.62 2
## 73 51848.90 2
## 74 51666.84 2
## 75 51712.71 2
## 76 51564.70 2
## 77 51492.55 2
## 78 51999.67 2
## 79 51671.03 2
## 80 51202.26 2
## 81 50848.75 2
## 82 49918.78 2
## 83 50872.11 2
## 84 50786.01 2
## 85 50866.78 2
## 86 51561.93 2
## 87 50687.07 2
## 88 51307.79 2
## 89 51078.88 2
## 90 51032.46 2
## 91 50668.97 2
## 92 50644.28 2
## 93 50461.68 2
## 94 50579.70 2
## 95 50285.66 2
## 96 50009.35 2
## 97 49363.88 2
## 98 49686.12 2
## 99 49526.17 2
## 100 50063.46 2
## 101 49693.20 2
## 102 49760.56 2
## 103 49704.47 2
## 104 49609.16 2
## 105 49596.97 2
## 106 49910.59 2
## 107 49298.25 2
## 108 48941.90 1
## 109 49499.27 2
## 110 49652.14 2
## 111 48861.81 1
## 112 49141.93 2
## 113 49167.79 2
## 114 49230.71 2
## 115 49310.32 2
## 116 49490.03 2
## 117 49149.38 2
## 118 49442.56 2
## 119 49447.43 2
## 120 48578.72 1
## 121 48463.72 1
## 122 48535.99 1
## 123 48218.25 1
## 124 47916.57 1
## 125 48185.80 1
## 126 47909.92 1
## 127 46584.46 1
## 128 46669.88 1
## 129 46504.67 1
## 130 46565.74 1
## 131 46341.51 1
## 132 45216.14 1
## 133 45166.64 1
## 134 45960.11 1
## 135 46429.49 1
## 136 46124.06 1
## 137 46208.47 1
## 138 45577.47 1
## 139 46021.43 1
## 140 46225.15 1
## 141 46993.26 1
## 142 46946.41 1
## 143 46558.47 1
## 144 46677.85 1
## 145 47417.27 1
## 146 47706.51 1
## 147 47740.80 1
## 148 47501.55 1
## 149 47954.74 1
## 150 48739.41 1
## 151 48501.27 1
## 152 48904.78 1
## 153 48977.92 1
## 154 49499.20 2
## 155 49482.15 2
## 156 49174.50 2
## 157 48804.06 1
## 158 49625.97 2
## 159 49395.16 2
## 160 49662.66 2
## 161 49533.19 2
## 162 49500.93 2
## 163 49451.98 2
## 164 50121.40 2
## 165 50188.14 2
## 166 50135.87 2
## 167 50115.67 2
## 168 48908.72 1
## 169 49501.30 2
## 170 49240.99 2
## 171 49407.66 2
## 172 48892.47 1
## 173 49071.56 2
## 174 49015.60 2
## 175 49003.41 2
## 176 49412.40 2
## 177 49098.71 2
## 178 49384.01 2
## 179 49077.23 2
## 180 48488.59 1
## 181 49359.33 2
## 182 49442.44 2
## 183 49149.63 2
## 184 49191.99 2
## 185 49590.20 2
## 186 49504.07 2
## 187 49266.11 2
## 188 48996.08 1
## 189 49462.08 2
## 190 48977.18 1
## 191 48382.39 1
## 192 48063.29 1
## 193 48367.06 1
## 194 48461.93 1
## 195 48710.97 1
## 196 48731.16 1
## 197 48442.41 1
## 198 48362.68 1
## 199 48134.89 1
## 200 47951.85 1
## 201 47885.97 1
## 202 48114.26 1
## 203 48416.56 1
## 204 48458.05 1
## 205 48704.01 1
## 206 48057.75 1
## 207 47560.29 1
## 208 47739.32 1
## 209 47954.99 1
## 210 47850.94 1
## 211 47882.90 1
## 212 47474.46 1
## 213 47289.33 1
## 214 47716.42 1
## 215 47427.12 1
## 216 47112.45 1
## 217 46448.27 1
## 218 46245.41 1
## 219 45752.26 1
## 220 46138.77 1
## 221 46091.74 1
## 222 46590.24 1
## 223 47147.48 1
## 224 47457.22 1
## 225 48254.82 1
## 226 47927.96 1
## 227 47368.63 1
## 228 46987.10 1
## 229 46912.30 1
## 230 47311.00 1
## 231 47085.24 1
## 232 47336.68 1
## 233 47562.87 1
## 234 47522.12 1
## 235 47632.00 1
## 236 47706.37 1
## 237 47544.59 1
## 238 47207.12 1
## 239 46734.61 1
## 240 46590.41 1
## 241 46924.74 1
## 242 46706.58 1
## 243 46190.61 1
## 244 45952.24 1
## 245 46253.31 1
## 246 46270.46 1
## 247 46067.58 1
## 248 45479.60 1
## 249 46358.42 1
## 250 46601.78 1
## 251 46602.98 1
## 252 46694.97 1
## 253 46758.28 1
## 254 46519.72 1
## 255 46441.10 1
## 256 46397.89 1
## 257 46316.07 1
## 258 46247.29 1
## 259 45947.32 1
## 260 46121.28 1
## 261 46292.78 1
## 262 46381.54 1
## 263 46315.27 1
## 264 46142.42 1
## MÃ HÓA RUSSELL 2000
Russell2000=as.numeric(gsub(",","",datadulieu$Russell2000))
Russell2000MH=Russell2000
Russell2000MH=replace(Russell2000MH,Russell2000<=2500,1)
Russell2000MH=replace(Russell2000MH,Russell2000>2500,2)
Russell2000=data.frame(Russell2000,Russell2000MH)
Russell2000
## Russell2000 Russell2000MH
## 1 2830.30 2
## 2 2847.14 2
## 3 2832.89 2
## 4 2806.63 2
## 5 2796.86 2
## 6 2807.92 2
## 7 2817.91 2
## 8 2837.55 2
## 9 2835.57 2
## 10 2838.66 2
## 11 2889.92 2
## 12 2875.36 2
## 13 2860.40 2
## 14 2874.63 2
## 15 2858.81 2
## 16 2870.29 2
## 17 2892.24 2
## 18 2903.94 2
## 19 2890.95 2
## 20 2921.23 2
## 21 2960.20 2
## 22 2975.65 2
## 23 2968.27 2
## 24 2953.17 2
## 25 2920.13 2
## 26 2956.45 2
## 27 2972.37 2
## 28 3014.34 2
## 29 3005.90 2
## 30 3010.02 2
## 31 2995.08 2
## 32 3017.87 2
## 33 2992.43 2
## 34 3032.94 2
## 35 3017.89 2
## 36 3057.54 2
## 37 3068.42 2
## 38 3052.85 2
## 39 3045.48 2
## 40 3027.12 2
## 41 3017.40 2
## 42 3034.49 2
## 43 3001.55 2
## 44 3019.19 2
## 45 3036.98 2
## 46 2981.91 2
## 47 2931.34 2
## 48 2946.10 2
## 49 2906.31 2
## 50 2953.80 2
## 51 2948.03 2
## 52 2930.00 2
## 53 2940.16 2
## 54 2959.94 2
## 55 2987.40 2
## 56 2942.43 2
## 57 2962.22 2
## 58 2974.57 2
## 59 2976.26 2
## 60 2964.76 2
## 61 2953.17 2
## 62 2977.81 2
## 63 2992.54 2
## 64 2956.39 2
## 65 2982.49 2
## 66 3009.54 2
## 67 2996.11 2
## 68 3012.59 2
## 69 3024.37 2
## 70 3010.42 2
## 71 3010.08 2
## 72 3007.86 2
## 73 2986.63 2
## 74 2975.48 2
## 75 3004.40 2
## 76 2979.77 2
## 77 2917.98 2
## 78 2939.19 2
## 79 2965.09 2
## 80 2943.99 2
## 81 2921.03 2
## 82 2835.46 2
## 83 2867.02 2
## 84 2855.42 2
## 85 2833.50 2
## 86 2935.33 2
## 87 2893.51 2
## 88 2931.96 2
## 89 2905.76 2
## 90 2919.34 2
## 91 2936.57 2
## 92 2919.94 2
## 93 2920.54 2
## 94 2869.23 2
## 95 2843.45 2
## 96 2817.36 2
## 97 2747.07 2
## 98 2775.10 2
## 99 2793.30 2
## 100 2863.09 2
## 101 2843.93 2
## 102 2842.83 2
## 103 2870.64 2
## 104 2861.21 2
## 105 2839.63 2
## 106 2886.77 2
## 107 2845.00 2
## 108 2796.00 2
## 109 2812.82 2
## 110 2799.90 2
## 111 2739.47 2
## 112 2756.05 2
## 113 2788.19 2
## 114 2787.00 2
## 115 2775.10 2
## 116 2785.38 2
## 117 2764.97 2
## 118 2792.96 2
## 119 2776.90 2
## 120 2719.60 2
## 121 2713.66 2
## 122 2705.67 2
## 123 2670.49 2
## 124 2630.59 2
## 125 2636.31 2
## 126 2620.46 2
## 127 2544.95 2
## 128 2540.64 2
## 129 2530.04 2
## 130 2512.37 2
## 131 2496.37 1
## 132 2414.01 1
## 133 2449.70 1
## 134 2493.32 1
## 135 2536.38 2
## 136 2505.44 2
## 137 2494.23 1
## 138 2438.45 1
## 139 2494.71 1
## 140 2478.64 1
## 141 2519.99 2
## 142 2503.29 2
## 143 2480.05 1
## 144 2488.99 1
## 145 2542.90 2
## 146 2548.08 2
## 147 2553.67 2
## 148 2525.30 2
## 149 2585.57 2
## 150 2636.01 2
## 151 2608.36 2
## 152 2655.94 2
## 153 2632.36 2
## 154 2677.29 2
## 155 2663.33 2
## 156 2652.33 2
## 157 2620.99 2
## 158 2663.78 2
## 159 2665.09 2
## 160 2658.61 2
## 161 2646.59 2
## 162 2646.70 2
## 163 2615.83 2
## 164 2669.47 2
## 165 2679.77 2
## 166 2689.05 2
## 167 2670.34 2
## 168 2577.65 2
## 169 2624.55 2
## 170 2648.50 2
## 171 2640.28 2
## 172 2613.74 2
## 173 2654.78 2
## 174 2653.55 2
## 175 2666.70 2
## 176 2659.67 2
## 177 2669.16 2
## 178 2718.77 2
## 179 2698.17 2
## 180 2645.36 2
## 181 2677.74 2
## 182 2674.56 2
## 183 2651.64 2
## 184 2633.10 2
## 185 2635.69 2
## 186 2624.22 2
## 187 2603.91 2
## 188 2575.42 2
## 189 2582.90 2
## 190 2547.92 2
## 191 2508.22 2
## 192 2481.91 1
## 193 2500.59 2
## 194 2519.80 2
## 195 2534.35 2
## 196 2548.08 2
## 197 2541.12 2
## 198 2558.78 2
## 199 2529.42 2
## 200 2507.87 2
## 201 2492.29 1
## 202 2519.30 2
## 203 2530.67 2
## 204 2551.46 2
## 205 2590.61 2
## 206 2559.61 2
## 207 2526.24 2
## 208 2520.98 2
## 209 2521.48 2
## 210 2531.16 2
## 211 2512.14 2
## 212 2464.98 1
## 213 2469.13 1
## 214 2500.43 2
## 215 2486.12 1
## 216 2465.98 1
## 217 2414.28 1
## 218 2369.59 1
## 219 2305.11 1
## 220 2347.89 1
## 221 2348.74 1
## 222 2341.38 1
## 223 2388.23 1
## 224 2382.98 1
## 225 2450.80 1
## 226 2458.28 1
## 227 2455.65 1
## 228 2432.82 1
## 229 2418.82 1
## 230 2464.78 1
## 231 2427.34 1
## 232 2471.24 1
## 233 2479.38 1
## 234 2465.95 1
## 235 2484.81 1
## 236 2506.65 2
## 237 2520.44 2
## 238 2513.47 2
## 239 2482.66 1
## 240 2451.55 1
## 241 2487.69 1
## 242 2499.91 1
## 243 2452.17 1
## 244 2467.01 1
## 245 2519.75 2
## 246 2495.50 1
## 247 2461.42 1
## 248 2394.59 1
## 249 2468.85 1
## 250 2483.99 1
## 251 2458.42 1
## 252 2486.35 1
## 253 2476.18 1
## 254 2458.49 1
## 255 2442.35 1
## 256 2436.48 1
## 257 2435.25 1
## 258 2434.32 1
## 259 2411.04 1
## 260 2434.98 1
## 261 2457.51 1
## 262 2463.34 1
## 263 2448.77 1
## 264 2467.70 1
## MÃ HÓA S&P 500
SP500=as.numeric(gsub(",","",datadulieu$S.P500))
SP500MH=SP500
SP500MH=replace(SP500MH,SP500<=7100,1)
SP500MH=replace(SP500MH,SP500>7100,2)
SP500=data.frame(SP500,SP500MH)
SP500
## SP500 SP500MH
## 1 7818.93 2
## 2 7773.95 2
## 3 7722.72 2
## 4 7666.45 2
## 5 7651.54 2
## 6 7670.84 2
## 7 7683.69 2
## 8 7743.41 2
## 9 7704.13 2
## 10 7706.03 2
## 11 7764.64 2
## 12 7764.70 2
## 13 7650.50 2
## 14 7637.76 2
## 15 7551.81 2
## 16 7585.73 2
## 17 7619.98 2
## 18 7656.98 2
## 19 7591.70 2
## 20 7636.36 2
## 21 7673.52 2
## 22 7718.60 2
## 23 7747.71 2
## 24 7666.60 2
## 25 7631.47 2
## 26 7686.14 2
## 27 7711.76 2
## 28 7730.99 2
## 29 7675.70 2
## 30 7677.28 2
## 31 7652.86 2
## 32 7674.37 2
## 33 7641.16 2
## 34 7707.98 2
## 35 7691.76 2
## 36 7745.06 2
## 37 7785.76 2
## 38 7798.99 2
## 39 7748.50 2
## 40 7728.20 2
## 41 7753.11 2
## 42 7757.64 2
## 43 7709.96 2
## 44 7723.55 2
## 45 7736.52 2
## 46 7600.50 2
## 47 7489.72 2
## 48 7437.63 2
## 49 7316.15 2
## 50 7428.78 2
## 51 7413.18 2
## 52 7411.98 2
## 53 7408.30 2
## 54 7498.96 2
## 55 7509.20 2
## 56 7443.28 2
## 57 7457.69 2
## 58 7533.77 2
## 59 7572.40 2
## 60 7543.59 2
## 61 7515.34 2
## 62 7575.39 2
## 63 7543.64 2
## 64 7482.71 2
## 65 7503.85 2
## 66 7537.43 2
## 67 7483.24 2
## 68 7483.23 2
## 69 7499.36 2
## 70 7440.43 2
## 71 7354.02 2
## 72 7357.49 2
## 73 7358.22 2
## 74 7365.46 2
## 75 7472.79 2
## 76 7500.58 2
## 77 7420.10 2
## 78 7511.35 2
## 79 7554.29 2
## 80 7431.46 2
## 81 7394.30 2
## 82 7266.99 2
## 83 7386.65 2
## 84 7405.73 2
## 85 7383.74 2
## 86 7584.31 2
## 87 7553.68 2
## 88 7609.78 2
## 89 7599.96 2
## 90 7580.06 2
## 91 7563.63 2
## 92 7520.36 2
## 93 7519.12 2
## 94 7473.47 2
## 95 7445.72 2
## 96 7432.97 2
## 97 7353.61 2
## 98 7403.05 2
## 99 7408.50 2
## 100 7501.24 2
## 101 7444.25 2
## 102 7400.96 2
## 103 7412.84 2
## 104 7398.93 2
## 105 7337.11 2
## 106 7365.12 2
## 107 7259.22 2
## 108 7200.75 2
## 109 7230.12 2
## 110 7209.01 2
## 111 7135.95 2
## 112 7138.80 2
## 113 7173.91 2
## 114 7165.08 2
## 115 7108.40 2
## 116 7137.90 2
## 117 7064.01 1
## 118 7109.14 2
## 119 7126.06 2
## 120 7041.28 1
## 121 7022.95 1
## 122 6967.38 1
## 123 6886.24 1
## 124 6816.89 1
## 125 6824.66 1
## 126 6782.81 1
## 127 6616.85 1
## 128 6611.83 1
## 129 6582.69 1
## 130 6575.32 1
## 131 6528.52 1
## 132 6343.72 1
## 133 6368.85 1
## 134 6477.16 1
## 135 6591.90 1
## 136 6556.37 1
## 137 6581.00 1
## 138 6506.48 1
## 139 6606.49 1
## 140 6624.70 1
## 141 6716.09 1
## 142 6699.38 1
## 143 6632.19 1
## 144 6672.62 1
## 145 6775.80 1
## 146 6781.48 1
## 147 6795.99 1
## 148 6740.02 1
## 149 6830.71 1
## 150 6869.50 1
## 151 6816.63 1
## 152 6881.62 1
## 153 6878.88 1
## 154 6908.86 1
## 155 6946.13 1
## 156 6890.07 1
## 157 6837.75 1
## 158 6909.51 1
## 159 6861.89 1
## 160 6881.31 1
## 161 6843.22 1
## 162 6836.17 1
## 163 6832.76 1
## 164 6941.47 1
## 165 6941.81 1
## 166 6964.82 1
## 167 6932.30 1
## 168 6798.40 1
## 169 6882.72 1
## 170 6917.81 1
## 171 6976.44 1
## 172 6939.03 1
## 173 6969.01 1
## 174 6978.03 1
## 175 6978.60 1
## 176 6950.23 1
## 177 6915.61 1
## 178 6913.35 1
## 179 6875.62 1
## 180 6796.86 1
## 181 6940.01 1
## 182 6944.47 1
## 183 6926.60 1
## 184 6963.74 1
## 185 6977.27 1
## 186 6966.28 1
## 187 6921.46 1
## 188 6920.93 1
## 189 6944.82 1
## 190 6902.05 1
## 191 6858.47 1
## 192 6845.50 1
## 193 6896.24 1
## 194 6905.74 1
## 195 6929.94 1
## 196 6932.05 1
## 197 6909.79 1
## 198 6878.49 1
## 199 6834.50 1
## 200 6774.76 1
## 201 6721.43 1
## 202 6800.26 1
## 203 6816.51 1
## 204 6827.41 1
## 205 6901.00 1
## 206 6886.68 1
## 207 6840.51 1
## 208 6846.51 1
## 209 6870.40 1
## 210 6857.12 1
## 211 6849.72 1
## 212 6829.37 1
## 213 6812.63 1
## 214 6849.09 1
## 215 6812.61 1
## 216 6765.88 1
## 217 6705.12 1
## 218 6602.99 1
## 219 6538.76 1
## 220 6642.16 1
## 221 6617.32 1
## 222 6672.41 1
## 223 6734.11 1
## 224 6737.49 1
## 225 6850.92 1
## 226 6846.61 1
## 227 6832.43 1
## 228 6728.80 1
## 229 6720.32 1
## 230 6796.29 1
## 231 6771.55 1
## 232 6851.97 1
## 233 6840.20 1
## 234 6822.34 1
## 235 6890.59 1
## 236 6890.89 1
## 237 6875.16 1
## 238 6791.69 1
## 239 6738.44 1
## 240 6699.40 1
## 241 6735.35 1
## 242 6735.13 1
## 243 6664.01 1
## 244 6629.07 1
## 245 6671.06 1
## 246 6644.31 1
## 247 6654.72 1
## 248 6552.51 1
## 249 6735.11 1
## 250 6753.72 1
## 251 6714.59 1
## 252 6740.28 1
## 253 6715.79 1
## 254 6715.35 1
## 255 6711.20 1
## 256 6688.46 1
## 257 6661.21 1
## 258 6643.70 1
## 259 6604.72 1
## 260 6637.97 1
## 261 6656.92 1
## 262 6693.75 1
## 263 6664.36 1
## 264 6631.96 1
# CÂU C THỐNG KÊ CÁC CHỈ SỐ TÀI CHÍNH
## THỐNG KÊ DƯỚI DẠNG RATIO SCALE
## THỐNG KÊ CÁC BIẾN
library(psych)
ABCDEF=data.frame(DowJones,Russell2000,SP500)
describe(ABCDEF)
## vars n mean sd median trimmed mad min
## DowJones 1 264 49503.41 2375.83 49334.82 49435.04 2994.10 45166.64
## DowJonesMH 2 264 1.56 0.50 2.00 1.58 0.00 1.00
## Russell2000 3 264 2706.99 209.01 2669.31 2704.69 276.33 2305.11
## Russell2000MH 4 264 1.77 0.42 2.00 1.84 0.00 1.00
## SP500 5 264 7117.33 396.20 6945.48 7107.84 446.96 6343.72
## SP500MH 6 264 1.45 0.50 1.00 1.43 0.00 1.00
## max range skew kurtosis se
## DowJones 54349.12 9182.48 0.19 -1.08 146.22
## DowJonesMH 2.00 1.00 -0.24 -1.95 0.03
## Russell2000 3068.42 763.31 0.09 -1.42 12.86
## Russell2000MH 2.00 1.00 -1.29 -0.33 0.03
## SP500 7818.93 1475.21 0.24 -1.40 24.38
## SP500MH 2.00 1.00 0.21 -1.96 0.03
#### NHẬN XÉT:
# Dow Jones có giá trị trung bình là 49503.41, cho thấy dữ liệu tập trung quanh mức 49503.41 điểm.
# Russell 2000 có giá trị trung bình là 2706.99, cho thấy dữ liệu tập trung quanh mức 2706.99 điểm.
# S&P 500 có giá trị trung bình là 7117.33, cho thấy dữ liệu tập trung quanh mức 7117.33 điểm.
# Biến có độ phân tán lớn nhất là Dow Jones với độ lệch chuẩn = 2375.83
# Biến có độ phân tán nhỏ nhất là Russell 2000 với độ lệch chuẩn = 209.01
# Dow Jones có khoảng biến thiên lớn nhất (9182.48), cho thấy dữ liệu có phạm vi phân bố rộng nhất.
# Russell 2000 có khoảng biến thiên nhỏ nhất (763.31), cho thấy dữ liệu có phạm vi phân bố hẹp nhất.
## THỐNG KÊ MÔ TẢ
summary(DowJones)
## DowJones DowJonesMH
## Min. :45167 Min. :1.000
## 1st Qu.:47539 1st Qu.:1.000
## Median :49335 Median :2.000
## Mean :49503 Mean :1.561
## 3rd Qu.:51612 3rd Qu.:2.000
## Max. :54349 Max. :2.000
summary(Russell2000)
## Russell2000 Russell2000MH
## Min. :2305 Min. :1.000
## 1st Qu.:2508 1st Qu.:2.000
## Median :2669 Median :2.000
## Mean :2707 Mean :1.773
## 3rd Qu.:2918 3rd Qu.:2.000
## Max. :3068 Max. :2.000
summary(SP500)
## SP500 SP500MH
## Min. :6344 Min. :1.000
## 1st Qu.:6798 1st Qu.:1.000
## Median :6945 Median :1.000
## Mean :7117 Mean :1.447
## 3rd Qu.:7501 3rd Qu.:2.000
## Max. :7819 Max. :2.000
#### NHẬN XÉT
# 50% dữ liệu Dow Jones tập trung trong khoảng 47539.0–51612.3, Russell 2000 trong khoảng 2508.1–2918.3 và S&P 500 trong khoảng 6798.0–7500.7.
# Dow Jones có khoảng tứ phân vị lớn nhất, cho thấy 50% dữ liệu trung tâm phân tán rộng nhất.
# Russell 2000 có khoảng tứ phân vị nhỏ nhất, cho thấy 50% dữ liệu trung tâm tập trung nhất.
# Thống kê dưới dạng Ordinal Scale
table(DowJonesMH)
## DowJonesMH
## 1 2
## 116 148
table(DowJonesMH)/sum(table(DowJonesMH))
## DowJonesMH
## 1 2
## 0.4393939 0.5606061
## Nhận xét:
# Trong tổng số 264 mẫu quan sát, có 116 quan sát thuộc nhóm 1 (chiếm 43,94%) và 148 quan sát thuộc nhóm 2 (chiếm 56,06%).
table(Russell2000MH)
## Russell2000MH
## 1 2
## 60 204
table(Russell2000MH)/sum(table(Russell2000MH))
## Russell2000MH
## 1 2
## 0.2272727 0.7727273
## Nhận xét:
# Trong tổng số 264 mẫu quan sát, có 60 quan sát thuộc nhóm 1 (chiếm 22,73%) và 204 quan sát thuộc nhóm 2 (chiếm 77,27%).
table(SP500MH)
## SP500MH
## 1 2
## 146 118
table(SP500MH)/sum(table(SP500MH))
## SP500MH
## 1 2
## 0.5530303 0.4469697
# Nhận xét:
# Trong tổng số 264 mẫu quan sát, có 146 quan sát thuộc nhóm 1 (chiếm 55,30%) và 118 quan sát thuộc nhóm 2 (chiếm 44,70%).
# CÂU D VẼ ĐỒ THỊ
## ĐỒ THỊ CỘT VÀ ĐỒ THỊ TRÒN ĐỐI VỚI BIẾN ORDINAL
### ĐỒ THỊ CỘT
### Dow Jones
DowJones.freq=table(DowJonesMH)
barplot(DowJones.freq,xlab="Nhóm Dow Jones",ylab="Số lượng",main="Biểu đồ cột Dow Jones",col=c("palegreen3","salmon"))
#### NHẬN XÉT
# Nhìn chung, Dow Jones có sự phân bố tập trung nhiều hơn ở nhóm 2.
### Russell 2000
Russell2000.freq=table(Russell2000MH)
barplot(Russell2000.freq,xlab="Nhóm Russell 2000",ylab="Số lượng",main="Biểu đồ cột Russell 2000",col=c("skyblue3","khaki"))
#### NHẬN XÉT
# Russell 2000 có sự chênh lệch rõ rệt, trong đó nhóm 2 chiếm tỷ trọng cao hơn.
### S&P 500
SP500.freq=table(SP500MH)
barplot(SP500.freq,xlab="Nhóm S&P 500",ylab="Số lượng",main="Biểu đồ cột S&P 500",col=c("aquamarine3","coral"))
#### NHẬN XÉT
# S&P 500 được phân bố tập trung nhiều hơn ở nhóm 1.
### ĐỒ THỊ TRÒN
### Dow Jones
pie(table(DowJonesMH),col = c("palegreen3","salmon"),sub = "Đồ thị tỷ lệ Dow Jones")
#### NHẬN XÉT
#Đồ thị tròn tỷ lệ Dow Jones phản ánh tỷ lệ giữa nhóm 1 (43.94%) và nhóm 2 (56.06%).
##Russell 2000
pie(table(Russell2000MH),col = c("skyblue3", "khaki"),sub = "Đồ thị tỷ lệ Russell 2000")
#### NHẬN XÉT
# Đồ thị tròn tỷ lệ Russell 2000 thể hiện nhóm 2 chiếm tỷ trọng lớn hơn (77.27%).
#S&P500
pie(table(SP500MH),col=c("aquamarine3","coral"),sub="Đồ thị tỷ lệ S&P 500")
#### NHẬN XÉT
# Đồ thị tròn tỷ lệ S&P 500 cho thấy sự phân chia giữa nhóm 1 (55.30%) và nhóm 2 (44.70%).
## ĐỒ THỊ ĐỐI VỚI DẠNG RATIO
### ĐỒ THỊ ĐƯỜNG
### Dow Jones
STT=1:nrow(datadulieu)
DowJones=as.numeric(gsub(",","",datadulieu$Dow.Jones))
plot(STT,DowJones,type="o",xlab="Số phiên",ylab="Giá trị Dow Jones",pch=19,col="seagreen4",main="Giá trị Dow Jones từ ngày 1 đến ngày 264 ")
#### NHẬN XÉT: Dow Jones biến động linh hoạt qua các phiên, phục hồi và đạt giá trị cao vào cuối kỳ.
### Russell 2000
STT=1:nrow(datadulieu)
Russell2000=as.numeric(gsub(",","",datadulieu$Russell2000))
plot(STT,Russell2000,type="o",xlab="Số phiên",ylab="Giá trị Russell 2000",pch=19,col="steelblue4",main="Giá trị Russell 2000 từ ngày 1 đến ngày 264")
#### NHẬN XÉT: Russell 2000 biến động dao động và phản ánh nhịp đồng điệu với thị trường chung.
### S&P 500
STT=1:nrow(datadulieu)
SP500=as.numeric(gsub(",","",datadulieu$S.P500))
plot(STT,SP500,type="o",xlab="Số phiên",ylab="Giá trị S&P 500",pch=19,col="darkturquoise",main="Giá trị S&P 500 từ ngày 1 đến ngày 264")
#### NHẬN XÉT: S&P 500 có xu hướng biến động và tăng trưởng qua các phiên, đạt mức cao nhất ở giữa/đầu giai đoạn.
# CÂU E PHÂN TÍCH TƯƠNG QUAN VÀ VẼ ĐỒ THỊ TƯƠNG QUAN
### PHÂN TÍCH
library(psych)
vars=data.frame(DowJones,Russell2000,SP500)
pairs.panels(vars)
library(Hmisc)
##
## Attaching package: 'Hmisc'
## The following object is masked from 'package:psych':
##
## describe
## The following objects are masked from 'package:base':
##
## format.pval, units
result=rcorr(as.matrix(vars),type="pearson")
result$r
## DowJones Russell2000 SP500
## DowJones 1.0000000 0.9491129 0.9408225
## Russell2000 0.9491129 1.0000000 0.9346312
## SP500 0.9408225 0.9346312 1.0000000
result$P
## DowJones Russell2000 SP500
## DowJones NA 0 0
## Russell2000 0 NA 0
## SP500 0 0 NA
#### NHẬN XÉT:
# Tương quan giữa Dow Jones và Russell 2000:
# Hệ số tương quan Pearson r = 0.9491 với p-value < 0.05 (tương quan thuận rất mạnh).
# Tương quan giữa Dow Jones và S&P 500:
# Hệ số tương quan Pearson r = 0.9408 với p-value < 0.05 (tương quan thuận rất mạnh).
# Tương quan giữa Russell 2000 và S&P 500:
# Hệ số tương quan Pearson r = 0.9346 với p-value < 0.05 (tương quan thuận rất mạnh).
# CÂU F THỰC HIỆN MÔ HÌNH HỒI QUY TUYẾN TÍNH
mreg=lm(SP500~DowJones+Russell2000)
summary(mreg)
##
## Call:
## lm(formula = SP500 ~ DowJones + Russell2000)
##
## Residuals:
## Min 1Q Median 3Q Max
## -232.91 -79.43 -7.42 63.22 420.99
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 486.84024 230.13142 2.115 0.0353 *
## DowJones 0.09038 0.01023 8.838 < 2e-16 ***
## Russell2000 0.79668 0.11624 6.854 5.16e-11 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 124.1 on 261 degrees of freedom
## Multiple R-squared: 0.9027, Adjusted R-squared: 0.9019
## F-statistic: 1210 on 2 and 261 DF, p-value: < 2.2e-16
#### NHẬN XÉT:
# Phương trình hồi quy: S&P 500 = 486.8402 + 0.0904*DowJones + 0.7967*Russell2000 + ei
# Mô hình có ý nghĩa thống kê tổng thể với F-statistic = 1210 (p < 0.001).
# Hệ số R2 = 0.903 (R2 hiệu chỉnh = 0.902), các biến độc lập giải thích 90.30% sự biến thiên của S&P 500.
# Cả hai biến Dow Jones và Russell 2000 đều có tác động cùng chiều và có ý nghĩa thống kê ở mức 1% (p < 0.001).
# CÂU G THỰC HIỆN KIỂM ĐỊNH SAU MÔ HÌNH HỒI QUY TUYẾN TÍNH
mreg=lm(SP500~DowJones+Russell2000)
summary(mreg)
##
## Call:
## lm(formula = SP500 ~ DowJones + Russell2000)
##
## Residuals:
## Min 1Q Median 3Q Max
## -232.91 -79.43 -7.42 63.22 420.99
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 486.84024 230.13142 2.115 0.0353 *
## DowJones 0.09038 0.01023 8.838 < 2e-16 ***
## Russell2000 0.79668 0.11624 6.854 5.16e-11 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 124.1 on 261 degrees of freedom
## Multiple R-squared: 0.9027, Adjusted R-squared: 0.9019
## F-statistic: 1210 on 2 and 261 DF, p-value: < 2.2e-16
library(car)
## Loading required package: carData
##
## Attaching package: 'car'
## The following object is masked from 'package:psych':
##
## logit
vif(mreg)
## DowJones Russell2000
## 10.0822 10.0822
require(lmtest)
## Loading required package: lmtest
## Loading required package: zoo
##
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric
dwtest(mreg)
##
## Durbin-Watson test
##
## data: mreg
## DW = 0.051437, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0
#### NHẬN XÉT
# Kiểm định VIF cho thấy các giá trị nằm trong giới hạn an toàn, không có đa cộng tuyến nghiêm trọng.
# Kiểm định Durbin-Watson phản ánh hiện tượng tự tương quan chuỗi của phần dư.
mreg=lm(SP500~DowJones+Russell2000)
summary(mreg)
##
## Call:
## lm(formula = SP500 ~ DowJones + Russell2000)
##
## Residuals:
## Min 1Q Median 3Q Max
## -232.91 -79.43 -7.42 63.22 420.99
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 486.84024 230.13142 2.115 0.0353 *
## DowJones 0.09038 0.01023 8.838 < 2e-16 ***
## Russell2000 0.79668 0.11624 6.854 5.16e-11 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 124.1 on 261 degrees of freedom
## Multiple R-squared: 0.9027, Adjusted R-squared: 0.9019
## F-statistic: 1210 on 2 and 261 DF, p-value: < 2.2e-16
op=par(mfrow=c(2,2))
plot(mreg)
#### NHẬN XÉT
# Residuals vs Fitted: Phần dư tập trung quanh đường y = 0, phương sai đồng nhất.
# Normal Q-Q: Phần dư tuân thủ luật phân phối chuẩn.
# Scale-Location: Phương sai sai số không đổi qua các giá trị dự báo.
# Residuals vs Leverage: Không có điểm quan sát nào vượt quá khoảng cách Cook, mô hình ổn định cao.