Exponenta Banner
exponenta event banner

convert2sur

Преобразуйте многомерную нормальную регрессионую модель в, казалось бы, несвязанную регрессионую (SUR) модель

Свернуть все на странице

Синтаксис

DesignSUR = convert2sur(Design,Group)

Описание

пример

DesignSUR = convert2sur(Design,Group) преобразует многомерную модель нормальной регрессии в, казалось бы, несвязанную регрессионую модель с заданной группировкой рядов данных.

Примеры

свернуть все

Открыть Live Script

Этот пример показывает демонстрацию CAPM с использованием 6 запасов и 60 месяцев моделируемых возвратов основных средств, где модель для каждого запаса AssetReturn = Alpha * 1 + CashReturn + Beta * (MarketReturn - CashReturn) + Noise и параметры, которые нужно оценить Alpha и Beta.

Использование моделируемых данных, где Alpha оценка (ы) отображаются в первых строках (строках ) (ах) и Beta оценка (оценки) отображения во вторых (ых) строках (строках ) (ых ).

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

Оценка параметров 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

Оценка параметров 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

Входные параметры

свернуть все

Ряд данных, заданный как матрица или массив ячеек, который зависит от количества рядов данных NUMSERIES.

  • Если NUMSERIES = 1, convert2sur возвращает Design матрица.

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

Типы данных: double | cell

Группировка для ряда данных, заданная с помощью отдельных параметров для каждой группы. Задайте группы по сериям или по группам:

  • Чтобы идентифицировать группы по последовательностям, создайте вектор индекса, который имеет NUMSERIES элементы. Элементный i = 1, ..., NUMSERIES в векторе и имеет индекс j = 1, ..., NUMGROUPS группы, в которой серия i является представителем.

  • Чтобы идентифицировать группы по группам, создайте массив ячеек с NUMGROUPS элементы. Каждая камера содержит вектор с индексами ряда, которые заполняют заданную группу.

    В любом случае количество рядов NUMSERIES и количество групп NUMGROUPS, с 1 ≤ NUMGROUPS ≤ NUMSERIES.

Типы данных: double | cell

Выходные аргументы

свернуть все

Кажется, несвязанная регрессионная модель с заданной группировкой ряда данных, возвращенная как матрица или массив ячеек, который зависит от значения NUMSERIES.

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

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

Исходный набор параметров, которые являются общими для всех рядов, реплицируется, чтобы сформировать наборы параметров для каждой группы.

См. также

|

Темы

Введенный в R2006a

Financial Toolbox

Поддержка