主要内容gydF4y2Ba

ecmmvnrstdgydF4y2Ba

评估多元正态回归模型的标准误差gydF4y2Ba

描述gydF4y2Ba

例子gydF4y2Ba

[gydF4y2BaStdParametersgydF4y2Ba,gydF4y2BaStdCovariancegydF4y2Ba= ecmmvnrstd(gydF4y2Ba数据gydF4y2Ba,gydF4y2Ba设计gydF4y2Ba,gydF4y2Ba协方差gydF4y2Ba)gydF4y2Ba评估缺失数据的多元正态回归模型的标准误差。模型有形式gydF4y2Ba

DgydF4y2Ba 一个gydF4y2Ba tgydF4y2Ba 一个gydF4y2Ba kgydF4y2Ba ∼gydF4y2Ba NgydF4y2Ba (gydF4y2Ba DgydF4y2Ba egydF4y2Ba 年代gydF4y2Ba 我gydF4y2Ba ggydF4y2Ba ngydF4y2Ba kgydF4y2Ba ×gydF4y2Ba PgydF4y2Ba 一个gydF4y2Ba rgydF4y2Ba 一个gydF4y2Ba 米gydF4y2Ba egydF4y2Ba tgydF4y2Ba egydF4y2Ba rgydF4y2Ba 年代gydF4y2Ba ,gydF4y2Ba CgydF4y2Ba ogydF4y2Ba vgydF4y2Ba 一个gydF4y2Ba rgydF4y2Ba 我gydF4y2Ba 一个gydF4y2Ba ngydF4y2Ba cgydF4y2Ba egydF4y2Ba )gydF4y2Ba

为样本gydF4y2BakgydF4y2Ba= 1,…,gydF4y2BaNUMSAMPLESgydF4y2Ba.gydF4y2Ba

例子gydF4y2Ba

[gydF4y2BaStdParametersgydF4y2Ba,gydF4y2BaStdCovariancegydF4y2Ba= ecmmvnrstd(gydF4y2Ba___gydF4y2Ba,gydF4y2Ba方法gydF4y2Ba,gydF4y2BaCovarFormatgydF4y2Ba)gydF4y2Ba添加可选参数gydF4y2Ba方法gydF4y2Ba而且gydF4y2BaCovarFormatgydF4y2Ba.gydF4y2Ba

例子gydF4y2Ba

全部折叠gydF4y2Ba

这个例子展示了如何计算多元正态回归模型的标准误差。gydF4y2Ba

首先,加载日期、总回报和mat文件中12只股票的股票代码。gydF4y2Ba

负载gydF4y2BaCAPMuniversegydF4y2Ba谁gydF4y2Ba资产gydF4y2Ba数据gydF4y2Ba日期gydF4y2Ba
名称大小字节类属性资产1x14 1568 cell Data 1471x14 164752 double date 1471x1 11768 doublegydF4y2Ba
日期= datetime(日期,gydF4y2Ba“ConvertFrom”gydF4y2Ba,gydF4y2Ba“datenum”gydF4y2Ba);gydF4y2Ba

模型中的资产有以下符号,其中后两个系列分别代表市场和无风险资产。gydF4y2Ba

资产(一14)gydF4y2Ba
ans =gydF4y2Ba1 x14细胞gydF4y2Ba第1至6列{'AAPL'} {'AMZN'} {'CSCO'} {'DELL'} {'EBAY'} {'GOOG'}第7至12列{'HPQ'} {'IBM'} {'INTC'} {'MSFT'} {'ORCL'} {'YHOO'}第13至14列{'MARKET'} {'CASH'}gydF4y2Ba

该数据涵盖由2000年1月1日至2005年11月7日期间的每日总回报率。在这个宇宙中有两只股票的缺失值由gydF4y2Ba南gydF4y2Ba这两只股票中的一只在此期间进行了首次公开募股,因此其数据明显少于其他股票。gydF4y2Ba

[均值,协方差]= ecmnmle(数据);gydF4y2Ba

计算每个股票的独立回归,其中缺少数据的股票有反映其可观察性降低的估计。gydF4y2Ba

[NumSamples, NumSeries] = size(数据);NumAssets = NumSeries - 2;StartDate =日期(1);EndDate =日期(结束);Alpha = NaN(1, length(NumAssets));Beta = NaN(1, length(NumAssets));Sigma = NaN(1,长度(NumAssets));StdAlpha = NaN(1, length(NumAssets));StdBeta = NaN(1, length(NumAssets));StdSigma = NaN(1, length(NumAssets));gydF4y2Ba为gydF4y2Bai = 1:NumAssetsgydF4y2Ba建立独立的资产数据和设计矩阵。gydF4y2BaTestData = 0 (NumSamples,1);TestDesign = 0 (NumSamples,2);TestData(:) = Data(:,i) - Data(:,14);TestDesign(:,1) = 1.0;TestDesign(:,2) = Data(:,13) - Data(:,14);[Param, Covar] = ecmmvnrmle(TestData, TestDesign);gydF4y2Ba估计每个资产的模型参数的样本标准误差。gydF4y2BaStdParam = ecmmvnrstd(TestData, TestDesign, Covar,gydF4y2Ba“海赛”gydF4y2Ba)gydF4y2Ba结束gydF4y2Ba
StdParam =gydF4y2Ba2×1gydF4y2Ba0.0008 - 0.0715gydF4y2Ba
StdParam =gydF4y2Ba2×1gydF4y2Ba0.0012 - 0.1000gydF4y2Ba
StdParam =gydF4y2Ba2×1gydF4y2Ba0.0008 - 0.0663gydF4y2Ba
StdParam =gydF4y2Ba2×1gydF4y2Ba0.0007 - 0.0567gydF4y2Ba
StdParam =gydF4y2Ba2×1gydF4y2Ba0.0010 - 0.0836gydF4y2Ba
StdParam =gydF4y2Ba2×1gydF4y2Ba0.0014 - 0.2159gydF4y2Ba
StdParam =gydF4y2Ba2×1gydF4y2Ba0.0007 - 0.0567gydF4y2Ba
StdParam =gydF4y2Ba2×1gydF4y2Ba0.0004 - 0.0376gydF4y2Ba
StdParam =gydF4y2Ba2×1gydF4y2Ba0.0007 - 0.0585gydF4y2Ba
StdParam =gydF4y2Ba2×1gydF4y2Ba0.0005 - 0.0429gydF4y2Ba
StdParam =gydF4y2Ba2×1gydF4y2Ba0.0008 - 0.0709gydF4y2Ba
StdParam =gydF4y2Ba2×1gydF4y2Ba0.0010 - 0.0853gydF4y2Ba

输入参数gydF4y2Ba

全部折叠gydF4y2Ba

数据,用gydF4y2BaNUMSAMPLESgydF4y2Ba——- - - - - -gydF4y2BaNUMSERIESgydF4y2Ba矩阵gydF4y2BaNUMSAMPLESgydF4y2Ba的样本gydF4y2BaNUMSERIESgydF4y2Ba-维随机向量。所缺少的值用gydF4y2Ba南gydF4y2Bas.只有完全gydF4y2Ba南gydF4y2BaS被忽略。(忽略至少一个样本gydF4y2Ba南gydF4y2Ba,使用gydF4y2BamvnrmlegydF4y2Ba)。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba

设计模型,指定为矩阵或单元格数组,处理两个模型结构:gydF4y2Ba

  • 如果gydF4y2BaNumseries = 1gydF4y2Ba,gydF4y2Ba设计gydF4y2Ba是一个gydF4y2BaNUMSAMPLESgydF4y2Ba——- - - - - -gydF4y2BaNUMPARAMSgydF4y2Ba有已知值的矩阵。这种结构是单个系列回归的标准形式。gydF4y2Ba

  • 如果gydF4y2BaNUMSERIESgydF4y2Ba≥gydF4y2Ba1gydF4y2Ba,gydF4y2Ba设计gydF4y2Ba是单元格数组。单元格数组包含一个或gydF4y2BaNUMSAMPLESgydF4y2Ba细胞。每个单元格包含gydF4y2BaNUMSERIESgydF4y2Ba——- - - - - -gydF4y2BaNUMPARAMSgydF4y2Ba已知值的矩阵。gydF4y2Ba

    如果gydF4y2Ba设计gydF4y2Ba有了单细胞,是不是就假定有了同样的细胞gydF4y2Ba设计gydF4y2Ba每个样本的矩阵。如果gydF4y2Ba设计gydF4y2Ba有多个单元格,每个单元格包含一个gydF4y2Ba设计gydF4y2Ba每个样本的矩阵。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba|gydF4y2Ba细胞gydF4y2Ba

回归残差的协方差估计,指定为gydF4y2BaNUMSERIESgydF4y2Ba——- - - - - -gydF4y2BaNUMSERIESgydF4y2Ba矩阵。gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba

(可选)信息矩阵的计算方法,指定为字符向量,定义为:gydF4y2Ba

  • “海赛”gydF4y2Ba-观测到的对数似然函数的期望Hessian矩阵。推荐使用这种方法,因为结果的标准误差包含了由于缺少数据而增加的不确定性。gydF4y2Ba

  • “雪”gydF4y2Ba- Fisher信息矩阵。gydF4y2Ba

    请注意gydF4y2Ba

    如果gydF4y2Ba方法gydF4y2Ba=gydF4y2Ba“雪”gydF4y2Ba,为了更快地得到方差估计的标准误差而不需要协方差估计的标准误差,设gydF4y2BaCovarFormatgydF4y2Ba=gydF4y2Ba“对角线”gydF4y2Ba不管协方差矩阵的形式是什么。gydF4y2Ba

数据类型:gydF4y2Ba字符gydF4y2Ba

(可选)协方差矩阵的格式,指定为字符向量。这些选择是:gydF4y2Ba

  • “全部”gydF4y2Ba-计算完整的协方差矩阵。gydF4y2Ba

  • “对角线”gydF4y2Ba-强制协方差矩阵为对角矩阵。gydF4y2Ba

数据类型:gydF4y2Ba字符gydF4y2Ba

输出参数gydF4y2Ba

全部折叠gydF4y2Ba

的每个元素的标准误差gydF4y2Ba参数gydF4y2Ba,作为gydF4y2BaNUMPARAMSgydF4y2Ba——- - - - - -gydF4y2Ba1gydF4y2Ba列向量。gydF4y2Ba

的每个元素的标准误差gydF4y2Ba协方差gydF4y2Ba,作为gydF4y2BaNUMSERIESgydF4y2Ba——- - - - - -gydF4y2BaNUMSERIESgydF4y2Ba矩阵。gydF4y2Ba

参考文献gydF4y2Ba

[1]利特尔,罗德里克J. A.和唐纳德B.鲁宾。gydF4y2Ba数据缺失的统计分析。gydF4y2Ba第二版。约翰·威利父子公司,2002年。gydF4y2Ba

版本历史gydF4y2Ba

在R2006a中介绍gydF4y2Ba

Baidu
map