Предварительно обработайте данные о кредитных рейтингах, чтобы оценить вероятности перехода
Загрузите входные данные из файла Data_TransProb.mat
и отобразите первые десять строк. В этом примере входные параметры обеспечиваются в символьном векторном формате.
load Data_TransProb % Preprocess credit ratings data. prepData = transprobprep(data)
prepData = struct with fields:
idStart: [1506x1 double]
numericDates: [4315x1 double]
numericRatings: [4315x1 double]
ratingsLabels: {'AAA' 'AA' 'A' 'BBB' 'BB' 'B' 'CCC' 'D'}
Оцените вероятности перехода с настройками по умолчанию.
transMat = transprob(prepData)
transMat = 8×8
93.1170 5.8428 0.8232 0.1763 0.0376 0.0012 0.0001 0.0017
1.6166 93.1518 4.3632 0.6602 0.1626 0.0055 0.0004 0.0396
0.1237 2.9003 92.2197 4.0756 0.5365 0.0661 0.0028 0.0753
0.0236 0.2312 5.0059 90.1846 3.7979 0.4733 0.0642 0.2193
0.0216 0.1134 0.6357 5.7960 88.9866 3.4497 0.2919 0.7050
0.0010 0.0062 0.1081 0.8697 7.3366 86.7215 2.5169 2.4399
0.0002 0.0011 0.0120 0.2582 1.4294 4.2898 81.2927 12.7167
0 0 0 0 0 0 0 100.0000
Оцените вероятности перехода с 'cohort'
алгоритм.
transMatCoh = transprob(prepData,'algorithm','cohort')
transMatCoh = 8×8
93.1345 5.9335 0.7456 0.1553 0.0311 0 0 0
1.7359 92.9198 4.5446 0.6046 0.1560 0 0 0.0390
0.1268 2.9716 91.9913 4.3124 0.4711 0.0544 0 0.0725
0.0210 0.3785 5.0683 89.7792 4.0379 0.4627 0.0421 0.2103
0.0221 0.1105 0.6851 6.2320 88.3757 3.6464 0.2873 0.6409
0 0 0.0761 0.7230 7.9909 86.1872 2.7397 2.2831
0 0 0 0.3094 1.8561 4.5630 80.8971 12.3743
0 0 0 0 0 0 0 100.0000
data
— Исторические данные для кредитных рейтинговИсторические входные данные для кредитных рейтингов, заданных как одно из следующего:
Таблица MATLAB® размера nRecords
- 3
содержа кредитные рейтинги. Каждая строка содержит ID (столбец 1), дата (столбец 2) и кредитный рейтинг (столбец 3). Присвоенный кредитный рейтинг соответствует связанному ID в связанную дату. Вся информация, соответствующая тому же ID, должна храниться в непрерывных строках. Сортировка этой информации по дате не требуется, но рекомендуется для КПД. При использовании табличного входа MATLAB имена столбцов не важны, но ID, дата и информация об оценке приняты, чтобы быть в первых, вторых, и третьих столбцах, соответственно. Кроме того, при использовании табличного входа первые и третьи столбцы могут быть категориальными массивами, и вторым может быть массив datetime. Вот пример со всей информацией в формате таблицы:
ID Date Rating __________ _____________ ______ '00010283' '10-Nov-1984' 'CCC' '00010283' '12-May-1986' 'B' '00010283' '29-Jun-1988' 'CCC' '00010283' '12-Dec-1991' 'D' '00013326' '09-Feb-1985' 'A' '00013326' '24-Feb-1994' 'AA'
Следующее обобщает поддерживаемые типы данных для табличного входа:
Тип ввода данных | ID (1-й столбец) | Дата (2-й столбец) | Оценка (3-й столбец) |
---|---|---|---|
Таблица |
|
|
|
Массив ячеек размера nRecords
- 3
содержа кредитные рейтинги. Каждая строка содержит ID (столбец 1), дата (столбец 2) и кредитный рейтинг (столбец 3). Присвоенный кредитный рейтинг соответствует связанному ID в связанную дату. Вся информация, соответствующая тому же ID, должна храниться в непрерывных строках. Сортировка этой информации по дате не требуется, но рекомендуется. Идентификаторы, даты и оценки хранятся в символьном векторном формате, но они могут также быть введены в числовой формат. Вот пример со всей информацией в символьном векторном формате:
'00010283' '10-Nov-1984' 'CCC' '00010283' '12-May-1986' 'B' '00010283' '29-Jun-1988' 'CCC' '00010283' '12-Dec-1991' 'D' '00013326' '09-Feb-1985' 'A' '00013326' '24-Feb-1994' 'AA'
Следующее обобщает поддерживаемые типы данных для входа массива ячеек:
Тип ввода данных | ID (1-й столбец) | Дата (2-й столбец) | Оценка (3-й столбец) |
---|---|---|---|
Ячейка |
|
|
|
Типы данных: table
| cell
Задайте дополнительные разделенные запятой пары Name,Value
аргументы. Name
имя аргумента и Value
соответствующее значение. Name
должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN
.
prepData = transprobprep(data,'labels',{'AAA','AA','A','BBB','BB','B','CCC','F'})
'labels'
— Шкала кредитного рейтинга{'AAA','AA','A','BBB','BB','B','CCC','D'}
(значение по умолчанию) | массив ячеек из символьных векторовШкала кредитного рейтинга, заданная как разделенная запятой пара, состоящая из 'labels'
и nRatings
- 1
, или 1
- nRatings
массив ячеек из символьных векторов.
labels
должно быть сопоставимо с метками оценок, используемыми в третьем столбце data
. Используйте массив ячеек чисел для числовых рейтингов и массив ячеек для векторов символов для категориальных оценок.
Типы данных: cell
prepData
— Сводные данные, где информация о кредитных рейтингах, соответствующая каждой компании, запускается и заканчиваетсяСводные данные, где информация о кредитных рейтингах, соответствующая каждой компании, запускается и заканчивается, возвратились как структура со следующими полями:
idStart
— Массив размера (n IDs+1)-by-1, где идентификатор n является количеством отличных идентификаторов в столбце 1 data
. Этот массив подводит итог, где информация о кредитных рейтингах, соответствующая каждой компании, запускается и заканчивается. Соответствие дат и оценок компании j в data
хранятся из строки idStart
(j), чтобы расположить в ряд idStart
(j +1) −1 numericDates
и numericRatings
.
numericDates
— Массив размера n Records-by-1
, содержа даты в столбце 2 data
, в числовом формате.
numericRatings
— Массив размера n Records-by-1
, содержа оценки в столбце 3 data
, сопоставленный в числовой формат.
ratingsLabels
— Массив ячеек size1
- nRatings
, содержа шкалу кредитного рейтинга.
У вас есть модифицированная версия этого примера. Вы хотите открыть этот пример со своими редактированиями?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.