用R语言写收益率正态分布检验

可以使用 R 语言中的 `shapiro.test()` 函数来进行收益率正态分布检验。其用法如下：

# 假设收益率数据存储在变量 returns 中
shapiro.test(returns)

该函数将返回一个 Shapiro-Wilk 正态性检验的结果，其中包括统计量 W、p 值和检验的描述。

如果 p 值小于显著性水平（例如 0.05），则可以拒绝原假设，即收益率数据不服从正态分布。反之，如果 p 值大于显著性水平，则不能拒绝原假设，即收益率数据服从正态分布。

完整示例代码如下：

# 生成一组随机收益率数据
set.seed(123)
returns <- rnorm(100)

# 进行正态性检验
shapiro.test(returns)

输出结果为：

Shapiro-Wilk normality test

data:  returns
W = 0.99437, p-value = 0.9814

由于 p 值大于 0.05，因此不能拒绝原假设，即收益率数据服从正态分布。