Exponenta Banner
exponenta event banner

convert2sur

Преобразуйте многомерную нормальную модель регрессии в модель на вид несвязанной регрессии (SUR)

свернуть все на странице

Синтаксис

DesignSUR = convert2sur(Design,Group)

Аргументы

Design

Матрица или массив ячеек, который зависит от количества серии NUMSERIES данных.

  • Если NUMSERIES = 1, convert2sur возвращает матрицу Design.

  • Если NUMSERIES > 1, Design является массивом ячеек с ячейками NUMSAMPLES, где каждая ячейка содержит NUMSERIES-by-NUMPARAMS матрица известных значений.

Group

Содержит информацию о том, как ряды данных должны быть сгруппированы с отдельными параметрами для каждой группы. Задайте группы или рядом или группами:

  • Чтобы идентифицировать группы рядом, создайте индексный вектор, который имеет элементы NUMSERIES. i = 1, ..., NUMSERIES элемента в векторе, и имеет индекс j = 1, ..., NUMGROUPS группы, в котором ряде i - участник.

  • Чтобы идентифицировать группы группами, создайте массив ячеек с элементами NUMGROUPS. Каждая ячейка содержит вектор с индексами рядов, которые заполняют данную группу.

    В любом случае количеством ряда является NUMSERIES, и количеством групп является NUMGROUPS с 1 ≤ NUMGROUPS ≤ NUMSERIES.

Описание

DesignSUR = convert2sur(Design,Group) преобразовывает многомерную нормальную модель регрессии в на вид несвязанную модель регрессии с заданной группировкой ряда данных. DesignSUR является или матрицей или массивом ячеек, который зависит от значения NUMSERIES:

  • Если NUMSERIES = 1, DesignSUR = Design, который является NUMSAMPLES-by-NUMPARAMS матрица.

  • Если NUMSERIES > 1 и группы NUMGROUPS должны быть сформированы, Design является массивом ячеек с ячейками NUMSAMPLES, где каждая ячейка содержит NUMSERIES-by-(NUMGROUPS * NUMPARAMS) матрица известных значений.

Исходный набор параметров, которые характерны для всего ряда, реплицирован, чтобы сформировать наборы параметров для каждой группы.

Примеры

свернуть все

Скрипт Open Live Script

Этот пример показывает, что демонстрация CAPM с помощью 6 запасов и 60 месяцев моделируемого актива возвращается, где моделью для каждого запаса является AssetReturn = Alpha * 1 + CashReturn + Beta * (MarketReturn - CashReturn) + Noise, и параметрами, чтобы оценить является Alpha и Beta.

Используя моделируемые данные, где оценка (оценки) Alpha отображены в первой строке (строках) и оценке (оценках) Beta, отображение во второй строке (строках). 

Market = (0.1 - 0.04) + 0.17*randn(60, 1);
Asset = (0.1 - 0.04) + 0.35*randn(60, 6);

Design = cell(60, 1);
for i = 1:60
            Design{i} = repmat([ 1, Market(i) ], 6, 1);
end

Получите совокупные оценки для всех запасов. 

[Param, Covar] = mvnrmle(Asset, Design);

disp({'All 6 Assets Combined'});
    'All 6 Assets Combined'

disp(Param);
    0.0233
    0.1050

Оцените параметры для отдельных запасов с помощью convert2sur 

Group = 1:6;
DesignSUR = convert2sur(Design, Group);
[Param, Covar] = mvnrmle(Asset, DesignSUR);
Param = reshape(Param, 2, 6);

disp({ 'A', 'B', 'C', 'D', 'E', 'F' });
    'A'    'B'    'C'    'D'    'E'    'F'

disp(Param);
    0.0144    0.0270    0.0046    0.0419    0.0376    0.0291
    0.3264   -0.1716    0.3248   -0.0630   -0.0001    0.0637

Оцените параметры для пар запасов путем формирования групп. 

disp({'A & B', 'C & D','E & F'});
    'A & B'    'C & D'    'E & F'

Group = { [1,2 ],[3,4],[5,6]};
DesignSUR = convert2sur(Design, Group);
[Param, Covar] = mvnrmle(Asset, DesignSUR);

Param = reshape(Param, 2, 3);

disp(Param);
    0.0186    0.0190    0.0334
    0.0988    0.1757    0.0293

Смотрите также

|

Темы

Представленный в R2006a

Документация Financial Toolbox
Поддержка