用R计算协偏度和协峰度

在传统的金融理论中，均值方差分析假设正态分布，但现实中的数据往往偏离这一假设。当资产收益率不服从正态分布时，仅用协方差不足以解释风险，这时候协高阶矩，比如协偏度和协峰度）就变得重要了。协偏度和协峰度是用于衡量资产收益率分布的高阶协动特性。

协偏度衡量个股收益对市场极端波动的敏感度。低协偏度的股票可能有更高的预期回报，因为投资者偏好正偏而厌恶负偏，导致协偏度溢价效应。这有助于资产定价和组合优化。协峰度反映尾部风险和市场极端波动的协同性。正峰度表示更多极端值，可能意味着更大的市场风险。峰度还可以帮助评估异常值风险和集中度，这对金融风险预警很重要。

在金融领域，协偏度和协峰度能更全面评估风险，尤其在市场波动剧烈时更是如此。

PerformanceAnalytics包中提供了CoSkewness()和CoKurtosis()函数来计算两个资产间的协偏和协峰度。

例如：

library(PerformanceAnalytics)  #载入包

## 载入需要的程序包：xts

## 载入需要的程序包：zoo

## 
## 载入程序包：'zoo'

## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric

## 
## 载入程序包：'PerformanceAnalytics'

## The following object is masked from 'package:graphics':
## 
##     legend

data(managers)                 #加载managers数据集
CoSkewness(managers[, "HAM2", drop=FALSE], managers[, "SP500 TR", drop=FALSE]) #计算协偏度

## [1] -2.101289e-06

CoKurtosis(managers[, "HAM2", drop=FALSE], managers[, "SP500 TR", drop=FALSE]) #计算协峰度

## [1] 2.579066e-06