29 September, 2013 Moving gemiddeld konvolusie Wat is bewegende gemiddelde en wat is dit goed vir Hoe beweeg gemiddelde gedoen deur die gebruik van konvolusie Moving gemiddelde is 'n eenvoudige operasie gewoonlik gebruik om geraas van 'n sein te onderdruk: ons die waarde van elke punt te stel om die gemiddeld van die waardes in die buurt. Deur 'n formule: Hier x is die insette en y is die uittreesein, terwyl die grootte van die venster is w, veronderstel vreemd te wees. Die formule hierbo beskryf 'n simmetriese werking: die monsters geneem word van beide kante van die werklike punt. Hier is 'n werklike lewe voorbeeld. Die punt waarop die venster eintlik gelê is rooi. Waardes buite x veronderstel is om nulle wees: om te speel en sien die gevolge van bewegende gemiddelde, 'n blik op hierdie interaktiewe demonstrasie. Hoe om dit te doen deur konvolusie Soos jy dalk herken het, die berekening van die eenvoudige bewegende gemiddelde is soortgelyk aan die konvolusie: in beide gevalle 'n venster is gegly langs die sein en die elemente in die venster word opgesom. So, gee dit 'n probeer om dieselfde ding te doen deur gebruik te maak van konvolusie. Gebruik die volgende parameters: Die verlangde uitset is: As eerste benadering, laat ons probeer om dit wat ons kry deur convolving die x sein deur die volgende k kern: Die uitset is presies drie keer groter as die verwagte. Dit kan ook gesien word dat die uitset waardes is die opsomming van die drie elemente in die venster. Dit is as gevolg tydens konvolusie die venster gly langs, al die elemente daarin word vermenigvuldig met een en dan opgesom: yk 1 cdot x 1 cdot x 1 cdot x Om die gewenste waardes van y kry. die uitset sal verdeeld wees teen 3: deur 'n formule insluitende die afdeling: Maar sou dit nie wees optimale om die afdeling te doen tydens konvolusie Hier kom die idee deur herrangskik die vergelyking: So sal ons die volgende k kern gebruik: In hierdie manier waarop ons sal kry die verlangde uitset: In die algemeen: as ons wil doen bewegende gemiddelde deur konvolusie 'n venster grootte van w. Ons sal gebruik maak van die volgende k kern: 'n eenvoudige funksie doen die bewegende gemiddelde is: 'n Voorbeeld gebruik is: Die funksie 160Moving Korrelasie word bereken dat die statistiese korrelasie tussen twee skikkings van data oor 'n bewegende venster gedefinieer deur (periode) posisies. ProphetX gebruik die Pearson produkmoment-koëffisiënt te korrelasie te bereken. Pearsons koëffisiënt word gedefinieer as die kovariansie van twee veranderlikes gedeel deur hul standaardafwyking en die resultate in waardes wat wissel enigiets tussen -1 om 1. 'n waarde van 1 impliseer 'n perfekte lineêre verwantskap waarvoor Y toeneem soos x. 'N Waarde van 1 impliseer 'n lineêre verwantskap waar Y afneem soos x. 'N Waarde van 0 beteken dat daar geen lineêre verband tussen die veranderlikes. Indien die tydperk as N gegee in die volgende vergelyking, dan is die Pearson-koëffisiënt op 'n gegewe standpunt is: Vir elke posisie gevolg (p), ProphetX word bereken dat die korrelasie van x, y waardes pare oor domein van p deur PK-1 posisies . Tik hier jou drop-down teks. 1 simbool - eerste instrument om 2 simbool - tweede instrument om tydperke (verstek: 10 posisies) te gebruik Steekproefgrootte venster waaroor om korrelasie vir 'n bepaalde posisie te bereken. Ex: onder 160The grafiek toon die huidige ru kontrak en die WTI Cushing 1 Mo pryse met die korrelasie studie Moving bygevoeg red. Much van my navorsing fokus op die dinamiese verhouding tussen bates in die mark (1,2,3). Tipies, ek gebruik korrelasie as 'n maatstaf van verband afhanklikheid sedert sy resultate is maklik om te kommunikeer en verstaan (in teenstelling met wedersydse inligting. Wat is 'n bietjie minder gebruikte in finansies as wat dit is in inligting teorie). Maar die ontleding van die dinamika van korrelasie van ons verg om 'n bewegende korrelasie (ook bekend as 'n klein venster, sleep, of rollende) te bereken. Bewegende gemiddeldes is goed verstaan en maklik bereken 8211 hulle in ag neem een bate op 'n slag en te produseer een waarde vir elke tydperk. Moving korrelasies, in teenstelling met bewegende gemiddeldes, moet in ag neem verskeie bates en produseer 'n oorsig van waardes vir elke tydperk. In die eenvoudigste geval, ons omgee vir die korrelasie tussen twee bates 8211 byvoorbeeld die SampP 500 (SPY) en die finansiële sektor (XLF). In hierdie geval is, moet ons eers aandag gee aan een waarde in die matriks. Maar as ons die energiesektor (XLE) by te voeg, raak dit moeiliker om doeltreffend te bereken en verteenwoordig hierdie korrelasies. Dit is altyd waar vir 3 of meer verskillende bates. I8217ve geskryf onder die kode om hierdie proses (aflaai) te vereenvoudig. Eerstens, jy 'n oorsig (Matrix) met veranderlikes in die kolomme 8211 byvoorbeeld, SPY in kolom 1, XLF in kolom 2, en XLE in kolom 3. Tweede, jy 'n venster grootte (windowSize). Byvoorbeeld, as Matrix fyn opbrengste vervat, dan 'n venster grootte van 60 sou produseer sleep uurlikse korrelasie skattings. Derde, dui jy watter kolom (indexColumn) jy omgee sien die resultate vir. In ons voorbeeld, sou ons waarskynlik spesifiseer kolom 1, aangesien dit sou toelaat om die korrelasie tussen (1) die sektor SampP en finansiële en (2) die SampP en energiesektor waarneem. Die onderstaande foto toon die resultate vir presies die voorbeeld hierbo vir verlede Vrydag, 1 Oktober 2010. Deel / Bookmark 2 Responses to 8220Calculating Moving korrelasie in Matlab8221 it8217s nie duidelik hoe jy te doen het met NA. Hoe sou jy korrelasies vir indekse in verskillende lande waar 'n mens data punt kan ontbreek bereken as gevolg van 'n bepaalde vakansie in 'n enkele land Hi Paolo, die kode soos I8217ve gepos doesn8217t deal met Nans grasieus. Jy kan sien uit die Matlab dokumentasie wat volgens jou 82208216rows8217, 8216complete82178221 kan byvoeg by die corrcoef opdrag om grasieus te gaan met die probleem. www. mathworks / hulp / TechDoc / ref / corrcoef Die ander alternatiewe is om daardie datum heeltemal te laat val, interpoleer, of gebruik 'n meer gesofistikeerde metode vir die hantering van ontbrekende waarnemings. Laat 'n antwoord Kanselleer replySuppose jy N tydreekse (xt klas) Kan jy raai 'n manier (byvoorbeeld 'n bestaande funksie) vir bereken rollende gemiddelde korrelasie (rollende beweeg venster) So jy het (byvoorbeeld) 10 tydreekse. Eerste stap is om te bereken 60 dae korrelasie tussen die eerste en tweede, eerste en derde, in die eerste en vierde, en so aan. Tweede stap is om die gemiddelde te bereken vir daardie korrelasie waarde. Einde van eerste siklus. Nadat jy die opmars van een dag en begin al die proses (eerste en tweede stap) Die resultate is 'n tydreeks met die gemiddelde korrelasie waardes. Kan iemand help om 'n doeltreffende manier om dit te Dit is struktuur van my data te doen kry: Veronderstel jy het al die reeks in die data raam genoem X, in die eerste tien veranderlikes. Dan: As jy dit nie het hulle in 'n data raam, dan dink ek dat die maklikste manier is om eers 'n data raam :) maak - met dien verstande dat jou tyd reeks is almal ewe lank. (Wysig) Om skuins 1s uitsluit van die korrelasie matriks jy dalk eers 'n funksie wat gemiddeld van al waardes onder skuins (of hoër diag, doenst 'n verskil maak) bereken definieer: (Nie getoets, maar ek dink dit shoudlwork) EWMA Kovariansie Model Definisie Oorweeg N tyd reeks opbrengste en maak die gewone aanname dat opbrengste in volgorde ongekorreleerd. Dan kan ons 'n vektor van nul-gemiddelde wit geluide 949 t r t definieer - 956. waar r t is die N x2a2f 1 vektor van opgawes en 956 is die vektor van verwagte opbrengste. Ondanks die feit dat in volgorde ongekorreleerd, kan die opbrengs tydelike korrelasie te bied. Naamlik: x2211 t x2254 120124 t - 1 r t - 956 r t - 956 mag nie 'n diagonaalmatriks wees. Daarbenewens kan hierdie tydelike afwyking-time wisselende, afhangende van die verlede inligting. Die eksponensieel Geweegde bewegende gemiddelde (EWMA) kovariansie model veronderstel 'n spesifieke parametriese vorm vir hierdie voorwaardelike kovariansie. Meer spesifiek, sê ons dat r t - 956 x2211 t 1 1 - x3bb r t - 956 r t - 956 x3bb x2211 t V-Lab gebruik x3bb 0.94. die parameter voorgestel deur RiskMetrics vir daaglikse opgawes, en 956 is die monster gemiddeld van die opbrengs. Korrelasies Let daarop dat die elemente van die belangrikste skuins van x2211 t gee ons voorwaardelike afwykings van die opbrengs, dit wil sê x2211 t i. Ek is die voorwaardelike variansie van die opbrengs r t i. Analoog, die elemente buite die hoof skuins gee ons voorwaardelike kovariansies, maw x2211 t i. j is die voorwaardelike kovariansie tussen die opbrengste r t i en r t j. Dus, kan ons maklik terug te draai die voorwaardelike korrelasies, x393 t i. j x2254 x2211 t i. j x2211 t i. Ek x2211 t j. j Dit is wat gestip deur V-Lab. Meer saaklik, kan ons die hele korrelasie matriks deur te definieer: x393 t x2254 D t -1 x2211 t D t -1 waar D t is 'n matriks sodanig dat, x2200 i. j x2208 1. N: D t i. j x2254 x3b4 i. j x2211 t i. j waar x3b4 i. j is die Kronecker delta, maw x3b4 i. j 1 as ek j en x3b4 i. j 0 anders. Dit wil sê, D t is 'n matriks met met al die elemente buite die hoof skuins stel aan nul, en die hoof skuins stel om die voorwaardelike wisselings, dit wil sê die elemente in die hoof skuins gelyk is aan die vierkantswortel van die elemente in die hoof skuins van x2211 t. Dan, ek x393 t. j is weer die korrelasie tussen r t i en r t j. Let daarop dat x393 t i. j 1. x2200 Ek x2208 1. n. Met betrekking tot die GARCH (1,1) Model Let daarop dat die EWMA is eintlik 'n meerveranderlike weergawe van 'n IGARCH 1 1 model, wat 'n spesifieke geval van die GARCH 1 1 model. Let ook op dat na iterating die voorwaardelike variansie uitdrukking, kry ons as x3bb x2208 0 1: x2211 t 1 1 - x3bb 949 t 949 t x3bb 1 - x3bb 949 t - 1 949 t - 1 x3bb 2 1 - x3bb 949 t - 2 949 t - 2. 1 - x3bb 949 t 949 t x3bb 949 t - 1 949 t - 1 x3bb 2 949 t - 2 949 t - 2. 949 t 949 t x3bb 949 t - 1 949 t - 1 x3bb 2 949 t - 2 949 t - 2. 1 1 - x3bb 949 t 949 t x3bb 949 t - 1 949 t - 1 x3bb 2 949 t - 2 949 t - 2. 1 x3bb x3bb 2. wat 'n geweegde gemiddelde, met gewigte verval eksponensieel op koers x3bb. vandaar die naam van die model, eksponensieel Geweegde bewegende gemiddelde. Bibliografie Engle, R. F. 2009. Vooruit Korrelasies: 'n nuwe paradigma vir Risikobestuur. Princeton University Press. Tsay, R. S. 2005. Ontleding van finansiële tydreekse mdash 2 Ed. Wiley-Interscience. Deel jou insigte: Inligting word verskaf soos en uitsluitlik vir inligting doeleindes, nie vir doeleindes van handeldryf of advies. bykomende voorsienings
No comments:
Post a Comment