lpm

Вычислите выборку меньших частичных моментов данных

Описание

пример

lpm(Data) вычисляет более низкие частичные моменты для возвратов активов Data относительно значения по умолчанию для MAR для каждого актива в NUMORDERS x NUMSERIES матрица и значение по умолчанию для Order.

пример

lpm(Data,MAR,Order) вычисляет более низкие частичные моменты для возвратов активов Data относительно MAR для каждого актива в NUMORDERS x NUMSERIES матрица.

пример

Moment = lpm(Data,MAR,Order) вычисляет более низкие частичные моменты для возвратов активов Data относительно MAR для каждого актива в NUMORDERS x NUMSERIES матрица Moment.

Примеры

свернуть все

В этом примере показано, как вычислить частичные моменты нулевого порядка, первого порядка и второго порядка для трех временных рядов, где для вычисления используется среднее значение третьего временного ряда MAR (минимальный приемлемый возврат) с так называемой безрисковой ставкой.

load FundMarketCash 
Returns = tick2ret(TestData);
Assets
Assets = 1x3 cell
    {'Fund'}    {'Market'}    {'Cash'}

MAR = mean(Returns(:,3))
MAR = 0.0017
LPM = lpm(Returns, MAR, [0 1 2])
LPM = 3×3

    0.4333    0.4167    0.6167
    0.0075    0.0140    0.0004
    0.0003    0.0008    0.0000

Первая строка LPM содержит нижние частичные моменты нулевого порядка трех рядов. Фонд и рыночный индекс падают ниже MAR около 40% времени и денежных возвратов падают ниже собственного среднего около 60% времени.

Вторая строка содержит более низкие частичные моменты первого порядка трех рядов. Фонд и рынок имеют большие средние доходы от дефицита по сравнению с MAR на 75 и 140 базисные точки в месяц. С другой стороны, наличные деньги занижаются MAR примерно по четырём базисным точкам в месяц на нисходящую сторону.

Третья строка содержит нижние частичные моменты второго порядка трех рядов. Квадратный корень из этих величин дает представление о дисперсии возвратов, которые падают ниже MAR. Индекс рынка имеет гораздо большее изменение по сравнению с фондом.

Входные параметры

свернуть все

Возвраты активов, заданный как NUMSAMPLES-by- NUMSERIES матрица с NUMSAMPLES наблюдения за NUMSERIES возвраты активов.

Типы данных: double

(Необязательно) Минимальный допустимый возврат, заданный в виде скалярного числа. MAR является отключенным уровнем возврата, таким что все возвраты выше MAR ничто не способствует нижнему частичному моменту.

Типы данных: double

(Необязательно) Порядки моментов, заданные как скаляр или NUMORDERS вектор неотрицательных целочисленных порядков моментов. Если порядок не задан, значение по умолчанию Order = 0, что является вероятностью дефицита. Хотя и lpm функция работает для нецелочисленных порядков и, в некоторых случаях, для отрицательных, это падает вне обычного использования.

Типы данных: double

Выходные аргументы

свернуть все

Более низкие частичные моменты, возвращенные как NUMORDERS x NUMSERIES матрица нижних частичных моментов со NUMORDERS Orders и NUMSERIES серия, то есть каждая строка содержит более низкие частичные моменты для заданного порядка.

Примечание

Чтобы вычислить верхние частичные моменты, противоположные знаки обоих Data и MAR (не сторнировать знак выхода). The lpm функция вычисляет выборку более низких частичных моментов из данных. Чтобы вычислить ожидаемые более низкие частичные моменты для многомерных нормальных возвратов активов с заданным средним значением и ковариацией, используйте elpm. С lpm, можно вычислить различные коэффициенты инвестиций, такие как Omega коэффициент, Sortino соотношение, и Upside Potential соотношение, где:

  • Omega = lpm(-Data, -MAR, 1) / lpm(Data, MAR, 1)

  • Sortino = (mean(Data) - MAR) / sqrt(lpm(Data, MAR, 2))

  • Upside = lpm(-Data, -MAR, 1) / sqrt(lpm(Data, MAR, 2))

Подробнее о

свернуть все

Более низкие частичные моменты

Используйте более низкие частичные моменты, чтобы изучить то, что в разговоре известно как «риск снижения».

Основная идея более низких сред частичного момента состоит в том, чтобы смоделировать моменты возвратов активов, которые падают ниже минимально приемлемого уровня возврата. Чтобы вычислить более низкие частичные моменты от данных, используйте lpm для вычисления более низких частичных моментов для нескольких серий возврата активов и для нескольких порядков моментов. Чтобы вычислить ожидаемые значения для более низких частичных моментов при нескольких предположениях о распределении возвратов активов, используйте elpm вычисление более низких частичных моментов для нескольких активов и для нескольких порядков.

Ссылки

[1] Bawa, V.S. «Safety-First, Stochastic Dominance, and Optimal Portfolio Choice». Журнал финансового и количественного анализа. Том 13, № 2, июнь 1978, с. 255-271.

[2] Harlow, W.V. «Распределение активов в среде понижающего риска». Журнал финансовых аналитиков. Том 47, № 5, сентябрь/октябрь 1991 года, стр. 28-40.

[3] Харлоу, У. В. и К. С. Рао. «Ценообразование активов в обобщенной средне-нижней частичной среде моментов: теория и доказательства». Журнал финансового и количественного анализа. Том 24, № 3, сентябрь 1989, стр. 285-311.

[4] Сортино, Ф.А. и Роберт ван дер Меер. «Риск снижения». Журнал управления портфелем. Том 17, № 5, весна 1991, стр. 27-31.

Введенный в R2006b
Для просмотра документации необходимо авторизоваться на сайте