Предварительная обработка данных кредитных рейтингов для оценки вероятностей перехода
Загрузите входные данные из файла Data_TransProb.mat и отобразите первые десять строк. В этом примере входы предусмотрены в формате вектора символов.
load Data_TransProb % Preprocess credit ratings data. prepData = transprobprep(data)
prepData = struct with fields:
idStart: [1506x1 double]
numericDates: [4315x1 double]
numericRatings: [4315x1 double]
ratingsLabels: {'AAA' 'AA' 'A' 'BBB' 'BB' 'B' 'CCC' 'D'}
Оцените вероятности перехода с настройками по умолчанию.
transMat = transprob(prepData)
transMat = 8×8
93.1170 5.8428 0.8232 0.1763 0.0376 0.0012 0.0001 0.0017
1.6166 93.1518 4.3632 0.6602 0.1626 0.0055 0.0004 0.0396
0.1237 2.9003 92.2197 4.0756 0.5365 0.0661 0.0028 0.0753
0.0236 0.2312 5.0059 90.1846 3.7979 0.4733 0.0642 0.2193
0.0216 0.1134 0.6357 5.7960 88.9866 3.4497 0.2919 0.7050
0.0010 0.0062 0.1081 0.8697 7.3366 86.7215 2.5169 2.4399
0.0002 0.0011 0.0120 0.2582 1.4294 4.2898 81.2927 12.7167
0 0 0 0 0 0 0 100.0000
Оцените вероятности перехода с 'cohort' алгоритм.
transMatCoh = transprob(prepData,'algorithm','cohort')
transMatCoh = 8×8
93.1345 5.9335 0.7456 0.1553 0.0311 0 0 0
1.7359 92.9198 4.5446 0.6046 0.1560 0 0 0.0390
0.1268 2.9716 91.9913 4.3124 0.4711 0.0544 0 0.0725
0.0210 0.3785 5.0683 89.7792 4.0379 0.4627 0.0421 0.2103
0.0221 0.1105 0.6851 6.2320 88.3757 3.6464 0.2873 0.6409
0 0 0.0761 0.7230 7.9909 86.1872 2.7397 2.2831
0 0 0 0.3094 1.8561 4.5630 80.8971 12.3743
0 0 0 0 0 0 0 100.0000
data - Исторические данные для кредитных рейтинговИсторические входные данные для кредитных рейтингов, заданные как одно из следующего:
MATLAB® таблица размеров nRecords-by- 3 содержащие кредитные рейтинги. Каждая строка содержит идентификатор (столбец 1), дату (столбец 2) и кредитный рейтинг (столбец 3). Присвоенный кредитный рейтинг соответствует связанному идентификатору на связанную дату. Вся информация, соответствующая одному и тому же идентификатору, должна храниться в смежных строках. Сортировка этой информации по дате не требуется, но рекомендуется для эффективности. При использовании входа таблицы MATLAB имена столбцов нерелевантны, но идентификатор, дата и рейтинговая информация приняты в первом, втором и третьем столбцах соответственно. Кроме того, при использовании таблицы входа, первый и третий столбцы могут быть категориальными массивами, а второй может быть массивом datetime. Вот пример со всей информацией в формате таблицы:
ID Date Rating __________ _____________ ______ '00010283' '10-Nov-1984' 'CCC' '00010283' '12-May-1986' 'B' '00010283' '29-Jun-1988' 'CCC' '00010283' '12-Dec-1991' 'D' '00013326' '09-Feb-1985' 'A' '00013326' '24-Feb-1994' 'AA'
Ниже приведены поддерживаемые типы данных для входа в таблицу:
| Тип входных данных | Идентификатор (1-ый столбец) | Дата (2-й Столбец) | Рейтинг (3-ий столбец) |
|---|---|---|---|
| Таблица |
|
|
|
Массив ячеек размера nRecords-by- 3 содержащие кредитные рейтинги. Каждая строка содержит идентификатор (столбец 1), дату (столбец 2) и кредитный рейтинг (столбец 3). Присвоенный кредитный рейтинг соответствует связанному идентификатору на связанную дату. Вся информация, соответствующая одному и тому же идентификатору, должна храниться в смежных строках. Сортировка этой информации по дате не требуется, но рекомендуется. Идентификаторы, даты и рейтинги хранятся в формате вектора символов, но они также могут быть введены в числовом формате. Вот пример со всей информацией в формате вектора символов:
'00010283' '10-Nov-1984' 'CCC' '00010283' '12-May-1986' 'B' '00010283' '29-Jun-1988' 'CCC' '00010283' '12-Dec-1991' 'D' '00013326' '09-Feb-1985' 'A' '00013326' '24-Feb-1994' 'AA'
Ниже приведены поддерживаемые типы данных для входа массива ячеек:
| Тип входных данных | Идентификатор (1-ый столбец) | Дата (2-й Столбец) | Рейтинг (3-ий столбец) |
|---|---|---|---|
| Камера |
|
|
|
Типы данных: table | cell
Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.
prepData = transprobprep(data,'labels',{'AAA','AA','A','BBB','BB','B','CCC','F'})'labels' - Кредитно-рейтинговая шкала{'AAA','AA','A','BBB','BB','B','CCC','D'}
(по умолчанию) | массив ячеек из векторов символовШкала кредитного рейтинга, заданная как разделенная разделенными запятой парами, состоящая из 'labels' и a nRatings-by- 1, или 1-by- nRatings массив ячеек из векторов символов.
labels должны соответствовать меткам рейтингов, используемым в третьем столбце data. Используйте массив ячеек из чисел для числовых оценок и массив ячеек для векторов символов для категориальных оценок.
Типы данных: cell
prepData - Сводные данные, в котором начинается и заканчивается информация о кредитных рейтингах, относящаяся к каждой компанииСводные данные, в которой начинается и заканчивается информация о кредитных рейтингах, относящаяся к каждой компании, возвращаются как структура со следующими полями:
idStart - Массив размера (n IDs + 1) -by-1, где n IDs - количество различных идентификаторов в столбце 1 из data. Этот массив суммирует, где начинается и заканчивается информация о кредитных рейтингах, относящаяся к каждой компании. Даты и рейтинги, соответствующие j компании в data хранятся из строки idStart(j) в строку idStart(j + 1) − 1 из numericDates и numericRatings.
numericDates - Массив размера n Записей by- 1, содержащие даты в столбце 2 data, в числовом формате.
numericRatings - Массив размера n Записей by- 1, содержащие оценки в столбце 3 data, сопоставленный с числовым форматом.
ratingsLabels - Массив ячеек размера 1-by- nRatings, содержащего шкалу кредитного рейтинга.
У вас есть измененная версия этого примера. Вы хотите открыть этот пример с вашими правками?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.