Exponenta Banner
exponenta event banner

convert2sur

Преобразуйте многомерную нормальную модель регрессии в модель на вид несвязанной регрессии (SUR)

свернуть все на странице

Синтаксис

DesignSUR = convert2sur(Design,Group)

Описание

пример

DesignSUR = convert2sur(Design,Group) преобразует многомерную нормальную модель регрессии в на вид несвязанную модель регрессии с заданной группировкой ряда данных.

Примеры

свернуть все

Скрипт Open Live Script

Этот пример показывает, что демонстрация CAPM с помощью 6 запасов и 60 месяцев симулированного актива возвращается, где моделью для каждого запаса является AssetReturn = Alpha * 1 + CashReturn + Beta * (MarketReturn - CashReturn) + Noise и параметрами, чтобы оценить является Alpha и Beta.

Используя симулированные данные, где Alpha оценка (оценки) отображена в первой строке (строках) и Beta оценка (оценки) является отображением во второй строке (строках). 

Market = (0.1 - 0.04) + 0.17*randn(60, 1);
Asset = (0.1 - 0.04) + 0.35*randn(60, 6);

Design = cell(60, 1);
for i = 1:60
            Design{i} = repmat([ 1, Market(i) ], 6, 1);
end

Получите совокупные оценки для всех запасов. 

[Param, Covar] = mvnrmle(Asset, Design);

disp({'All 6 Assets Combined'});
    {'All 6 Assets Combined'}

disp(Param);
    0.0233
    0.1050

Оцените параметры для отдельных запасов с помощью convert2sur 

Group = 1:6;
DesignSUR = convert2sur(Design, Group);
[Param, Covar] = mvnrmle(Asset, DesignSUR);
Param = reshape(Param, 2, 6);

disp({ 'A', 'B', 'C', 'D', 'E', 'F' });
    {'A'}    {'B'}    {'C'}    {'D'}    {'E'}    {'F'}

disp(Param);
    0.0144    0.0270    0.0046    0.0419    0.0376    0.0291
    0.3264   -0.1716    0.3248   -0.0630   -0.0001    0.0637

Оцените параметры для пар запасов путем формирования групп. 

disp({'A & B', 'C & D','E & F'});
    {'A & B'}    {'C & D'}    {'E & F'}

Group = { [1,2 ],[3,4],[5,6]};
DesignSUR = convert2sur(Design, Group);
[Param, Covar] = mvnrmle(Asset, DesignSUR);

Param = reshape(Param, 2, 3);

disp(Param);
    0.0186    0.0190    0.0334
    0.0988    0.1757    0.0293

Входные параметры

свернуть все

Ряд данных в виде матрицы или массива ячеек, который зависит от количества серии NUMSERIES данных.

  • Если NUMSERIES = 1, convert2sur возвращает Design матрица.

  • Если NUMSERIES > 1, Design массив ячеек с NUMSAMPLES ячейки, где каждая ячейка содержит NUMSERIES- NUMPARAMS матрица известных значений.

Типы данных: double | cell

Группировка для ряда данных, заданное использование разделяет параметры для каждой группы. Задайте группы или рядом или группами:

  • Чтобы идентифицировать группы рядом, создайте вектор индекса, который имеет NUMSERIES элементы. Элемент i = 1, ..., NUMSERIES в векторе, и имеет индекс j = 1, ..., NUMGROUPS из группы, в котором ряде i - член.

  • Чтобы идентифицировать группы группами, создайте массив ячеек с NUMGROUPS элементы. Каждая ячейка содержит вектор с индексами рядов, которые заполняют данную группу.

    В любом случае количеством ряда является NUMSERIES и количеством групп является NUMGROUPS, с 1 ≤ NUMGROUPS ≤ NUMSERIES.

Типы данных: double | cell

Выходные аргументы

свернуть все

На вид несвязанная модель регрессии с заданной группировкой ряда данных, возвращенного или как матрица или как массив ячеек, который зависит от значения NUMSERIES.

  • Если NUMSERIES = 1, DesignSUR = Design, который является NUMSAMPLES- NUMPARAMS матрица.

  • Если NUMSERIES > 1 и NUMGROUPS группы должны быть сформированы, Design массив ячеек с NUMSAMPLES ячейки, где каждая ячейка содержит NUMSERIES- (NUMGROUPS * NUMPARAMS) матрица известных значений.

Исходный набор параметров, которые характерны для всего ряда, реплицирован, чтобы сформировать наборы параметров для каждой группы.

Смотрите также

|

Темы

Введен в R2006a

Документация Financial Toolbox

Поддержка