Exponenta Banner
exponenta event banner

ecmnobj

Многомерная нормальная отрицательная функция логарифмического правдоподобия

свернуть все на странице

Синтаксис

Objective = ecmnobj (данные, среднее, ковариация)
Цель = ecmnobj (___, CholCovariance)

Описание

пример

Objective = ecmnobj(Data,Mean,Covariance) оценивает отрицательную логарифмическую функцию правдоподобия для ecmnmle.

Использовать ecmnobj после оценки среднего и ковариации Data с ecmnmle.

пример

Objective = ecmnobj(___,CholCovariance) добавляет необязательный аргумент для CholCovariance.

Примеры

свернуть все

Открыть сценарий в реальном времени

В этом примере показано, как вычислить значение наблюдаемой функции отрицательного логарифмического правдоподобия за пять лет ежедневных данных общей доходности по 12 запасам компьютерных технологий, с шестью аппаратными и шестью программными компаниями

load ecmtechdemo.mat

Период времени для этих данных простирается с 19 апреля 2000 года по 18 апреля 2005 года. Шестой акцией в Assets является Google (GOOG), которая начала торговаться 19 августа 2004 года. Так, все возвращения до 20 августа 2004 года отсутствуют и представлены как NaNS. Также у Amazon (AMZN) было несколько дней с отсутствующими значениями, разбросанными на протяжении последних пяти лет.

[ECMMean, ECMCovar] = ecmnmle(Data)
ECMMean = 12×1

    0.0008
    0.0008
   -0.0005
    0.0002
    0.0011
    0.0038
   -0.0003
   -0.0000
   -0.0003
   -0.0000
      ⋮


ECMCovar = 12×12

    0.0012    0.0005    0.0006    0.0005    0.0005    0.0003    0.0005    0.0003    0.0006    0.0003    0.0005    0.0006
    0.0005    0.0024    0.0007    0.0006    0.0010    0.0004    0.0005    0.0003    0.0006    0.0004    0.0006    0.0012
    0.0006    0.0007    0.0013    0.0007    0.0007    0.0003    0.0006    0.0004    0.0008    0.0005    0.0008    0.0008
    0.0005    0.0006    0.0007    0.0009    0.0006    0.0002    0.0005    0.0003    0.0007    0.0004    0.0005    0.0007
    0.0005    0.0010    0.0007    0.0006    0.0016    0.0006    0.0005    0.0003    0.0006    0.0004    0.0007    0.0011
    0.0003    0.0004    0.0003    0.0002    0.0006    0.0022    0.0001    0.0002    0.0002    0.0001    0.0003    0.0016
    0.0005    0.0005    0.0006    0.0005    0.0005    0.0001    0.0009    0.0003    0.0005    0.0004    0.0005    0.0006
    0.0003    0.0003    0.0004    0.0003    0.0003    0.0002    0.0003    0.0005    0.0004    0.0003    0.0004    0.0004
    0.0006    0.0006    0.0008    0.0007    0.0006    0.0002    0.0005    0.0004    0.0011    0.0005    0.0007    0.0007
    0.0003    0.0004    0.0005    0.0004    0.0004    0.0001    0.0004    0.0003    0.0005    0.0006    0.0004    0.0005
      ⋮

Оценка отрицательной логарифмической функции правдоподобия для ecmnmle, использовать ecmnobj на основе текущих оценок параметров максимального правдоподобия.

Objective = ecmnobj(Data,ECMMean,ECMCovar)
Objective = -3.0898e+04

Входные аргументы

свернуть все

Данные, указанные как NUMSAMPLESоколо-NUMSERIES матрица с NUMSAMPLES образцы NUMSERIES-мерный случайный вектор. Отсутствующие значения обозначаются NaNs.

Типы данных: double

Оценки параметров максимального правдоподобия для среднего значения Data используя алгоритм ECM, указанный как NUMSERIESоколо-1 вектор столбца.

Оценки параметров максимального правдоподобия для ковариации Data используя алгоритм ECM, указанный как NUMSERIESоколо-NUMSERIES матрица.

(Необязательно) Разложение по Холески ковариационной матрицы, указанной как матрица с использованием chol как:

chol(Covariance)

Типы данных: double

Выходные аргументы

свернуть все

Значение наблюдаемой отрицательной логарифмической функции правдоподобия над Data, возвращается в виде числового значения.

См. также

|

Темы

Представлен до R2006a

Документация по комплекту финансовых инструментов

Поддержка