Matrice De Corrélation Moyenne Mobile

Est la corrélation d'échantillon entre X et Y au temps t. Est l'échantillon de covariance exponentielle pondérée entre X et Y au temps t. Est l'échantillon de volatilité pondérée exponentielle pour la série temporelle X au temps t. Est l'échantillon de volatilité exponentielle pondérée pour la série temporelle Y au temps t. Est le facteur de lissage utilisé dans les calculs de volatilité pondérée exponentielle et de covariance. Si les ensembles de données d'entrée n'ont pas de moyenne nulle, la fonction EWXCF Excel supprime la moyenne de chaque échantillon de données en votre nom. L'EWXCF utilise la volatilité EWMA et les représentations EWCOV qui n'assument pas une volatilité moyenne à long terme (ou covariance), et donc, pour tout horizon de prévision au-delà d'une étape, l'EWXCF renvoie une valeur constante. Références Hull, John C. Options, Futures et autres dérivés Financial Times Prentice Hall (2003), pp 385-387, ISBN 1-405-886145 Hamilton, J. Analyse des séries temporelles. Princeton University Press (1994), ISBN 0-691-04289-6 Tsay, Ruey S. Analyse des séries chronologiques financières John Wiley amp SONS. (2005), ISBN 0-471-690740 Liens connexesSuppose que vous avez N série temporelle (xts classe) Pouvez-vous suggérer un moyen (par exemple une fonction existante) pour calculer la corrélation moyenne mobile (fenêtre roulante) Ainsi vous avez (par exemple) 10 séries chronologiques. La première étape consiste à calculer une corrélation de 60 jours entre la première et la deuxième, la première et la troisième, la première et la quatrième, et ainsi de suite. La deuxième étape consiste à calculer la moyenne pour cette valeur de corrélation. Fin du premier cycle. Après avoir avancé d'un jour et commencer tout le processus (première et deuxième étape) Les résultats sont une série chronologique avec les valeurs moyennes de corrélation. Quelqu'un peut-il aider à trouver un moyen efficace de faire ceci? C'est la structure de mes données: Supposons que vous avez toutes les séries dans le cadre de données appelé X, dans les dix premières variables. Puis: Si vous ne les avez pas dans un cadre de données, alors je pense que le moyen le plus facile est d'abord de faire un cadre de données :) - à condition que votre série chronologique sont tous de la même longueur. Pour exclure la diagonale 1s de la matrice de corrélation, vous pouvez d'abord définir une fonction qui calcule la moyenne de toutes les valeurs sous la diagonale (ou au-dessus du diag, doenst faire une différence): (Non testé, mais je pense qu'il shoudlwork) Relations entre les actifs du marché (1,2,3). En général, j'utilise la corrélation comme mesure de la dépendance relationnelle puisque ses résultats sont faciles à communiquer et à comprendre (par opposition à l'information mutuelle, qui est un peu moins utilisée dans les finances que dans la théorie de l'information). Cependant, l'analyse de la dynamique de la corrélation nous oblige à calculer une corrélation mobile (a. k.a. windowed, trailing, ou rolling). Les moyennes mobiles sont bien comprises et facilement calculées en tenant compte d'un actif à la fois et produisent une valeur pour chaque période de temps. Les corrélations mobiles, contrairement aux moyennes mobiles, doivent prendre en compte plusieurs actifs et produire une matrice de valeurs pour chaque période de temps. Dans le cas le plus simple, nous nous soucions de la corrélation entre deux actifs 8211 par exemple, le SampP 500 (SPY) et le secteur financier (XLF). Dans ce cas, il suffit de prêter attention à une valeur dans la matrice. Cependant, si l'on ajoute le secteur de l'énergie (XLE), il devient plus difficile de calculer et de représenter efficacement ces corrélations. Cela est toujours vrai pour 3 ou plusieurs actifs différents. I8217ve écrit le code ci-dessous pour simplifier ce processus (télécharger). Tout d'abord, vous fournissez une matrice (dataMatrix) avec des variables dans les colonnes 8211 par exemple, SPY dans la colonne 1, XLF dans la colonne 2 et XLE dans la colonne 3. Deuxièmement, vous fournissez une taille de fenêtre (windowSize). Par exemple, si dataMatrix contenait des retours minutieux, alors une taille de fenêtre de 60 produirait des estimations de corrélation horaire à la fin. Troisièmement, vous indiquez quelle colonne (indexColumn) vous aimez voir les résultats pour. Dans notre exemple, nous spécifierions probablement la colonne 1, car cela nous permettrait d'observer la corrélation entre (1) la SFP et le secteur financier et (2) la SFP et le secteur de l'énergie. L'image ci-dessous montre les résultats pour exactement l'exemple ci-dessus pour le vendredi dernier, Octobre 1st, 2010. ShareBookmark 2 Responses to 8220Calculating Moving Correlation in Matlab8221 it8217s pas clair comment vous traitez avec NA. Comment calculeriez-vous les corrélations pour les indices dans différents pays où un point de données peut être manquant en raison d'un jour férié particulier dans un seul pays? Salut Paolo, Le code comme I8217ve posté doesn8217t traiter NaNs gracieusement. Vous pouvez voir à partir de cette page de documentation Matlab que vous pouvez ajouter 82208216rows8217, 8216complete82178221 à la commande corrcoef pour traiter gracieusement le problème. Mathworkshelptechdocrefcorrcoef. html Les autres alternatives sont de supprimer complètement cette date, d'interpoler ou d'utiliser une méthode plus sophistiquée pour traiter les observations manquantes. Laisser un commentaire Annuler la réponse.