ewstats

Ожидаемые возврат и ковариация из временных рядов возврата

Описание

пример

[ExpReturn,ExpCovariance,NumEffObs] = ewstats(RetSeries) вычисляет предполагаемую ожидаемые возвраты (ExpReturn), предполагаемая ковариационная матрица (ExpCovariance), и количество эффективных наблюдений (NumEffObs). Эти выходы являются максимальными оценками вероятности, которые являются предвзятыми.

пример

[ExpReturn,ExpCovariance,NumEffObs] = ewstats(___,DecayFactor,WindowLength) добавляет необязательные входные параметры для DecayFactor и WindowLength.

Примеры

свернуть все

Этот пример показывает, как вычислить предполагаемые ожидаемые возвраты и предполагаемую ковариационную матрицу.

RetSeries = [ 0.24 0.08 
              0.15 0.13 
              0.27 0.06 
              0.14 0.13 ];

DecayFactor = 0.98;

[ExpReturn, ExpCovariance] = ewstats(RetSeries, DecayFactor)
ExpReturn = 1×2

    0.1995    0.1002

ExpCovariance = 2×2

    0.0032   -0.0017
   -0.0017    0.0010

Входные параметры

свернуть все

Возвращаемый ряд, заданный количество наблюдений (NUMOBS) по количеству активов (NASSETS) матрица равномерно разнесенных инкрементных обратных наблюдений. Первая строка является самым старым наблюдением, а последняя - самой последней.

Типы данных: double

(Необязательно) Управляет тем, насколько меньше каждое наблюдение взвешивается, чем его преемник, заданный как числовое значение. k наблюдение назад во времени имеет вес DecayFactork. DecayFactor должно лежать в области значений: 0 < DecayFactor <= 1.

Значение по умолчанию 1 является одинаково взвешенной линейной моделью скользящего среднего значения (BIS).

Типы данных: double

(Необязательно) Количество последних наблюдений в расчете, заданное в виде числового значения.

Типы данных: double

Выходные аргументы

свернуть все

Предполагаемая ожидаемые возвраты, возвращенная как 1-by- NASSETS вектор.

Предполагаемая ковариационная матрица, возвращенная как NASSETS-by- NASSETS матрица.

Стандартные отклонения процессов возврата основных средств определяются как

     STDVec = sqrt(diag(ExpCovariance))

Матрица корреляции

     CorrMat = ExpCovariance./( STDVec*STDVec' )

NumEffObs количество эффективных наблюдений, где

NumEffObs=1DecayFactorWindowLength1DecayFactor

Меньшее DecayFactor или WindowLength в большей степени подчеркивает последние данные, но использует меньше доступного набора данных.

Алгоритмы

Для обратного последовательного r (1),..., r (n), где (n) - самое последнее наблюдение, а w - коэффициент распада, ожидаемые возвраты (ExpReturn) рассчитываются

E(r)=(r(n)+wr(n1)+w2r(n2)+...+wn1r(1))NumEffObs

где количество эффективных наблюдений NumEffObs определяется как

NumEffObs=1+w+w2+...+wn1=1wn1w

E (r) - взвешенное среднее значение r (n),..., r (1). Ненормализованные веса w, w2, …, w(n-1). Ненормализованные веса не суммируются с 1, так NumEffObs восстанавливает ненормализованные веса. После перемасштабирования веса (которые суммируются до 1) используются для усреднения. Когда w = 1, затем NumEffObs = n, которое является количеством наблюдений. Когда w < 1, NumEffObs все еще интерпретируется как размер выборки, но это меньше, чем n из-за понижающего веса на наблюдениях удаленного прошлого.

Примечание

Нет связи между ewstats функция и подход RiskMetrics ® для определения ожидаемой отдачи и ковариации из временных рядов возврата.

Представлено до R2006a