用python使用两种绘图分析方法检验其日收益率的正态性，解释并将 图片输出为“1.2.1”和“1.2.2”。

好的，我会尽力回答你的问题。首先，为了使用两种绘图分析方法检验日收益率的正态性，我们需要导入一些必要的库，比如pandas、numpy、matplotlib等。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

接下来，我们需要读取一些数据，这里我们以股票数据为例。

df = pd.read_csv('stock_data.csv')

接下来，我们需要计算日收益率，可以使用以下代码：

df['returns'] = np.log(df['close']) - np.log(df['close'].shift(1))
df = df.dropna()

现在我们已经得到了日收益率数据，接下来我们可以使用两种绘图分析方法来检验其正态性。

第一种方法是直方图，我们可以使用以下代码来绘制：

plt.figure(figsize=(8, 6))
plt.hist(df['returns'], bins=50, density=True, alpha=0.5, color='b')
plt.xlabel('Daily Returns')
plt.ylabel('Frequency')
plt.title('Histogram of Daily Returns')
plt.savefig('1.2.1.png')
plt.show()

这将会生成一张名为“1.2.1.png”的图片，显示日收益率的直方图。

第二种方法是qq图，我们可以使用以下代码来绘制：

plt.figure(figsize=(8, 6))
from scipy.stats import probplot
probplot(df['returns'], dist='norm', plot=plt)
plt.title('Normal Q-Q Plot of Daily Returns')
plt.savefig('1.2.2.png')
plt.show()

这将会生成一张名为“1.2.2.png”的图片，显示日收益率的qq图。

在这两张图中，我们可以看到直方图和qq图都显示日收益率近似于正态分布。因此，我们可以说日收益率具有正态性。