convert2sur

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

Синтаксис

DesignSUR = convert2sur(Design,Group)

Аргументы

Design

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

  • Если NUMSERIES = 1, convert2sur возвращает Design матрица.

  • Если NUMSERIES > 1, Design массив ячеек с NUMSAMPLES ячейки, где каждая ячейка содержит NUMSERIES- NUMPARAMS матрица известных значений.

Group

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

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

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

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

Описание

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

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

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

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

Примеры

свернуть все

Этот пример показывает, что демонстрация CAPM с помощью 6 запасов и 60 месяцев симулированного 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 симулированные данные, где Alpha оценка (оценки) отображена в первой строке (строках) и Beta оценка (оценки) является отображением 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

Введен в R2006a

Для просмотра документации необходимо авторизоваться на сайте