Используйте более низкие частичные моменты, чтобы исследовать то, что в разговорной речи известно как “риск убытков”. Основная идея более низкой частичной среды момента состоит в том, чтобы смоделировать моменты актива, возвращает то падение ниже минимального допустимого уровня возврата. Чтобы вычислить ниже частичные моменты из данных, используйте lpm
, чтобы вычислить ниже частичные моменты для нескольких, актив возвращает ряд и для порядков нескольких момента. Вычислить ожидаемые значения в течение более низких частичных моментов под несколькими предположениями о распределении актива возвращается, используйте elpm
, чтобы вычислить ниже частичные моменты для нескольких активов и для нескольких порядков.
Следующий пример демонстрирует lpm
, чтобы вычислить нулевой порядок, первый порядок, и второго порядка ниже частичные моменты для трех временных рядов, где среднее значение третьих временных рядов используется, чтобы вычислить MAR
(минимальный приемлемый возврат) с так называемым безрисковым уровнем.
load FundMarketCash
Returns = tick2ret(TestData);
Assets
MAR = mean(Returns(:,3))
LPM = lpm(Returns, MAR, [0 1 2])
который дает следующие результаты:
Assets = 'Fund' 'Market' 'Cash' MAR = 0.0017 LPM = 0.4333 0.4167 0.6167 0.0075 0.0140 0.0004 0.0003 0.0008 0.0000
Первая строка LPM
содержит нулевой порядок ниже частичные моменты трех рядов. Индексное падение фонда и рынка ниже MAR
приблизительно 40% времени и наличных денег возвращает падение ниже своего собственного среднего значения приблизительно 60% времени.
Вторая строка содержит первый порядок ниже частичные моменты трех рядов. Фонд и рынок имеют большой средний недостаток, возвращается относительно MAR
на 75 и 140 пунктов в месяц. С другой стороны, наличные деньги отстают от MAR
приблизительно на только четыре пункта в месяц на оборотной стороне.
Третья строка содержит второго порядка ниже частичные моменты трех рядов. Квадратный корень из этих количеств обеспечивает идею дисперсии возвратов, которые падают ниже MAR
. Индекс рынка имеет намного большее изменение на оборотной стороне когда по сравнению с фондом.
Чтобы сравнить реализованные значения с ожидаемыми значениями, используйте elpm
, чтобы вычислить ожидаемый ниже, частичные моменты на основе средних и стандартных отклонений нормально распределенного актива возвращаются. Функция elpm
работает со средними и стандартными отклонениями для нескольких активов и нескольких порядков.
load FundMarketCash
Returns = tick2ret(TestData);
MAR = mean(Returns(:,3))
Mean = mean(Returns)
Sigma = std(Returns, 1)
Assets
ELPM = elpm(Mean, Sigma, MAR, [0 1 2])
который дает следующие результаты:
Assets = 'Fund' 'Market' 'Cash' ELPM = 0.4647 0.4874 0.5000 0.0082 0.0149 0.0004 0.0002 0.0007 0.0000
На основе моментов каждого актива ожидаемые значения в течение более низких частичных моментов подразумевают лучше, чем ожидаемая производительность для фонда и рынка и хуже, чем ожидаемая производительность для наличных денег. Эта функция работает или с вырожденными или с невырожденными нормальными случайными переменными. Например, если бы наличные деньги были действительно безрисковыми, его стандартное отклонение было бы 0. Можно исследовать различие в среднем недостатке.
RisklessCash = elpm(Mean(3), 0, MAR, 1)
который дает следующий результат:
RisklessCash = 0
elpm
| emaxdrawdown
| inforatio
| lpm
| maxdrawdown
| portalpha
| ret2tick
| sharpe
| tick2ret