В этом примере показано, как вычислить стандартные ошибки для среднего значения и ковариации неполных данных за пять лет ежедневной общей доходности для 12 запасов компьютерных технологий, с шестью аппаратными и шестью программными компаниями.
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 = 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
⋮
Для оценки влияния ошибки оценки и, в частности, влияния отсутствующих данных следует использовать ecmnstd для вычисления стандартных ошибок. Хотя можно оценить стандартные ошибки как для среднего значения, так и для ковариации, стандартные ошибки только для средних оценок обычно являются основными интересующими количествами.
StdMeanF = 12×1
0.0010
0.0014
0.0010
0.0009
0.0011
0.0013
0.0009
0.0006
0.0009
0.0007
⋮
Вычислите стандартные ошибки, которые используют генерируемую данными матрицу Гессена (которая учитывает возможную потерю информации из-за отсутствия данных) с помощью опции 'hessian'.
StdMeanH = 12×1
0.0010
0.0014
0.0010
0.0009
0.0011
0.0021
0.0009
0.0006
0.0009
0.0007
⋮
Разница в стандартных ошибках показывает увеличение неопределенности оценки ожидаемой доходности активов из-за отсутствия данных. Для просмотра различий:
Assets = 1x12 cell
Columns 1 through 6
{'AAPL'} {'AMZN'} {'CSCO'} {'DELL'} {'EBAY'} {'GOOG'}
Columns 7 through 12
{'HPQ'} {'IBM'} {'INTC'} {'MSFT'} {'ORCL'} {'YHOO'}
ans = 1×12
0.0010 0.0014 0.0010 0.0009 0.0011 0.0021 0.0009 0.0006 0.0009 0.0007 0.0010 0.0012
ans = 1×12
0.0010 0.0014 0.0010 0.0009 0.0011 0.0013 0.0009 0.0006 0.0009 0.0007 0.0010 0.0012
ans = 1×12
10-3 ×
-0.0000 0.0021 -0.0000 -0.0000 -0.0000 0.7742 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000
Два основных средства с отсутствующими данными, AMZN и GOOG, являются единственными основными средствами, имеющими различия из-за отсутствующей информации.
