Загрузите симулированные данные о курсе акций и соответствующие логарифмические возвраты в SimulatedStockSeries.mat.

load SimulatedStockSeries

Расписание DataTable содержит измерения, зарегистрированные в различные, неправильные времена в течение торговых часов (9:30 к 16:00) Нью-Йоркской фондовой биржи (NYSE) с 1 января 2018, в течение 31 декабря 2020.

Например, отобразите первые несколько наблюдений.

head(DataTable)

ans=8×2 timetable
            Time            Price     Log_Return
    ____________________    ______    __________

    01-Jan-2018 11:52:48       100     -0.025375
    01-Jan-2018 13:23:13    101.14      0.011336
    01-Jan-2018 14:45:09     101.5     0.0035531
    01-Jan-2018 15:30:30    100.15      -0.01339
    02-Jan-2018 10:43:37     99.72    -0.0043028
    03-Jan-2018 10:02:21    100.11     0.0039033
    03-Jan-2018 11:22:37    103.96      0.037737
    03-Jan-2018 13:42:27    107.05       0.02929

DataTable не включает осведомленность бизнес-календаря. Если вы хотите с учетом нерабочих дней (выходные, праздники и закрытия рынка), и вы имеете лицензию Financial Toolbox™, добавляете осведомленность бизнес-календаря при помощи addBusinessCalendar функция.

Агрегируйте ценовой ряд к ежемесячному ряду путем создания отчетов об окончательной цене в каждом месяце.

MonthlyPrice = convert2monthly(DataTable(:,"Price"));
tail(MonthlyPrice)

ans=8×1 timetable
       Time        Price 
    ___________    ______

    31-May-2020    227.22
    30-Jun-2020    224.29
    31-Jul-2020     236.4
    31-Aug-2020     227.5
    30-Sep-2020    246.77
    31-Oct-2020    275.07
    30-Nov-2020    298.87
    31-Dec-2020    301.04

MonthlyPrice расписание, содержащее окончательные цены в течение каждого месяца, о котором сообщают, в DataTable.

Можно применить пользовательские методы агрегации с помощью указателей на функцию. Задайте указатель на функцию к связанным с агрегатом переменным в расписании при поддержании непротиворечивости между агрегированными результатами при преобразовании от ежедневной газеты до ежемесячной периодичности.

Загрузите симулированные данные о курсе акций и соответствующие логарифмические возвраты SimulatedStockSeries.mat.

load SimulatedStockSeries

Включайте другую переменную в данные под названием Simple_Return это содержит простые (пропорциональные) возвраты, сопоставленные с ценовым рядом, и исследуйте первые несколько строк.

DataTable.Simple_Return = exp(DataTable.Log_Return) - 1;  % Log returns to simple returns
head(DataTable)

ans=8×3 timetable
            Time            Price     Log_Return    Simple_Return
    ____________________    ______    __________    _____________

    01-Jan-2018 11:52:48       100     -0.025375      -0.025056  
    01-Jan-2018 13:23:13    101.14      0.011336         0.0114  
    01-Jan-2018 14:45:09     101.5     0.0035531      0.0035594  
    01-Jan-2018 15:30:30    100.15      -0.01339        -0.0133  
    02-Jan-2018 10:43:37     99.72    -0.0043028     -0.0042936  
    03-Jan-2018 10:02:21    100.11     0.0039033       0.003911  
    03-Jan-2018 11:22:37    103.96      0.037737       0.038458  
    03-Jan-2018 13:42:27    107.05       0.02929       0.029723  

Ценовая серия Price содержит абсолютные измерения, тогда как журнал и простой ряд возвратов, Log_Return и Simple_Returns, скорости изменения ценового ряда среди последовательных наблюдений. Поскольку ряды имеют различные модули, необходимо задать соответствующий метод, когда вы агрегировали ряд. А именно, если вы сообщаете об окончательной цене за данную периодичность, необходимо сообщить, что сумма журнала возвращается в каждый период и пользовательское преобразование для простых возвратов.

Создайте функцию, чтобы агрегировать простые возвраты.

f = @(x)(prod(1 + x,1,'omitnan') - 1);  

Агрегируйте данные так, чтобы результат имел ежемесячную периодичность. Для каждого ряда задайте метод агрегации, который подходит для модуля.

TT = convert2monthly(DataTable,Aggregation={'lastvalue' 'sum' f});
head(TT)

ans=8×3 timetable
       Time        Price     Log_Return    Simple_Return
    ___________    ______    __________    _____________

    31-Jan-2018    117.35      0.13462          0.1441  
    28-Feb-2018    113.52    -0.033182       -0.032637  
    31-Mar-2018    110.74    -0.024794       -0.024489  
    30-Apr-2018    105.58    -0.047716       -0.046596  
    31-May-2018     97.88    -0.075727        -0.07293  
    30-Jun-2018     99.29     0.014303        0.014405  
    31-Jul-2018    102.72     0.033962        0.034545  
    31-Aug-2018    124.99      0.19623          0.2168  

Функция агрегации для простых возвратов действует по первому измерению (строка) и не использует недостающие данные (NaNs.

Для получения дополнительной информации о пользовательских функциях агрегации смотрите timetable и retime.