Exponenta Banner
exponenta event banner

ewstats

Ожидаемый доход и ковариация от временных рядов возврата

свернуть все на странице

Синтаксис

[ExpReturn,ExpCovariance,NumEffObs] = ewstats(RetSeries)
[ExpReturn,ExpCovariance,NumEffObs] = ewstats(___,DecayFactor,WindowLength)

Описание

пример

[ExpReturn,ExpCovariance,NumEffObs] = ewstats(RetSeries) вычисляет оцененные ожидаемые доходы (ExpReturn), оцененная ковариационная матрица (ExpCovariance), и количество эффективных наблюдений (NumEffObs). Эти выходные параметры являются оценками наибольшего правдоподобия, которые смещаются.

пример

[ExpReturn,ExpCovariance,NumEffObs] = ewstats(___,DecayFactor,WindowLength) добавляют дополнительные входные параметры для DecayFactor и WindowLength.

Примеры

свернуть все

Скрипт Open Live Script

В этом примере показано, как вычислить предполагаемые ожидаемые доходы и предполагаемую ковариационную матрицу.

RetSeries = [ 0.24 0.08 
              0.15 0.13 
              0.27 0.06 
              0.14 0.13 ];

DecayFactor = 0.98;

[ExpReturn, ExpCovariance] = ewstats(RetSeries, DecayFactor)
ExpReturn = 1×2

    0.1995    0.1002


ExpCovariance = 2×2

    0.0032   -0.0017
   -0.0017    0.0010

Входные параметры

свернуть все

Возвратите ряд, задал количество наблюдений (NUMOBS) количеством активов (NASSETS) матрица равномерно распределенных инкрементных наблюдений возврата. Первая строка является самым старым наблюдением, и последняя строка нова.

Типы данных: double

(Необязательно) Средства управления, насколько меньше каждого наблюдения взвешивается, чем его преемник, задали как числовое значение. k th наблюдение назад вовремя имеет вес DecayFactork. DecayFactor должен находиться в диапазоне: 0 < DecayFactor <= 1.

Значение по умолчанию 1 одинаково взвешенная линейная модель скользящего среднего значения (BIS).

Типы данных: double

(Необязательно) Количество недавних наблюдений в расчете, заданном как числовое значение.

Типы данных: double

Выходные аргументы

свернуть все

Предполагаемые ожидаемые доходы, возвращенные как 1- NASSETS вектор.

Предполагаемая ковариационная матрица, возвращенная как NASSETS- NASSETS матрица.

Стандартные отклонения актива возвращаются, процессы заданы как

     STDVec = sqrt(diag(ExpCovariance))

Корреляционная матрица

     CorrMat = ExpCovariance./( STDVec*STDVec' )

NumEffObs количество эффективных наблюдений где

NumEffObs=1−DecayFactorWindowLength1−DecayFactor

Меньший DecayFactor или WindowLength подчеркивает недавние данные более строго, но использует меньше доступного набора данных.

Алгоритмы

Для серии r (1) возврата, …, r (n), где (n) новое наблюдение, и w является фактором затухания, ожидаемые доходы (ExpReturn) вычисляются

E(r)=(r(n)+wr(n−1)+w2r(n−2)+...+wn−1r(1))NumEffObs

где количество эффективных наблюдений NumEffObs задан как

NumEffObs=1+w+w2+...+wn−1=1−wn1−w

E (r) является взвешенным средним значением r (n), …, r (1). Ненормированными весами является w, w 2, …, w (n-1). Ненормированные веса не суммируют до 1, так NumEffObs повторно масштабирует ненормированные веса. После перемасштабирования, нормированные веса (которые суммируют до 1) используются в усреднении. Когда w = 1, затем NumEffObs = n, который является количеством наблюдений. Когда w <1, NumEffObs все еще интерпретирован как объем выборки, но он меньше n из-за вниз-веса на наблюдениях за удаленным прошлым.

Примечание

Между ewstats нет никакого отношения функционируйте и подход RiskMetrics® для определения ожидаемого дохода и ковариации от временных рядов возврата.

Смотрите также

| |

Темы

Представлено до R2006a

Документация Financial Toolbox
Поддержка