Exponenta Banner

ecmnobj

Многомерная нормальная отрицательная логарифмическая функция логарифмической правдоподобности

Свернуть все на странице

Синтаксис

Objective = ecmnobj(Data,Mean,Covariance)
Objective = ecmnobj(___,CholCovariance)

Описание

пример

Objective = ecmnobj(Data,Mean,Covariance) оценивает отрицательную функцию логарифмической правдоподобности для ecmnmle.

Использование ecmnobj после оценки среднего значения и ковариации Data с ecmnmle.

пример

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

Примеры

свернуть все

Открыть Live Script

Этот пример показывает, как вычислить значение наблюдаемой отрицательной функции логарифмической правдоподобности для пяти лет ежедневных общих данных о возврате для 12 запасов компьютерных технологий с шестью аппаратными и шестью программными компаниями

load ecmtechdemo.mat

Период времени для этих данных простирается с 19 апреля 2000 года до 18 апреля 2005 года. Шестой акцией в Assets является Google (GOOG), которая начала торговать 19 августа 2004 года. Так, все возвраты до 20 августа 2004 года отсутствуют и представлены как NaNs. Также у Amazon (AMZN) было несколько дней с отсутствующими значениями, рассеянными в течение 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
      ⋮

Чтобы вычислить отрицательную функцию логарифмической правдоподобности для ecmnmle, использовать ecmnobj на основе текущих оценок максимальных параметров правдоподобия.

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

Входные параметры

свернуть все

Данные, заданные как NUMSAMPLES-by- NUMSERIES матрица с NUMSAMPLES выборки NUMSERIES-мерный случайный вектор. Отсутствующие значения обозначаются NaNс.

Типы данных: double

Максимальные оценки параметра правдоподобия для среднего значения Data использование алгоритма ECM, заданного как NUMSERIES-by- 1 Вектор-столбец.

Максимальные оценки параметра правдоподобия для ковариации Data использование алгоритма ECM, заданного как NUMSERIES-by- NUMSERIES матрица.

(Необязательно) Холецкое разложение ковариационной матрицы, заданное как матрица использование chol как:

chol(Covariance)

Типы данных: double

Выходные аргументы

свернуть все

Значение наблюдаемой отрицательной логарифмической функции логарифмической правдоподобности над Data, возвращенный как числовое значение.

См. также

|

Темы

Представлено до R2006a

Financial Toolbox

Поддержка