Matriz De Correlação Média Móvel

É a correlação da amostra entre X e Y no tempo t. É a covariância ponderada exponencial de amostra entre X e Y no instante t. É a amostra de volatilidade ponderada exponencial para a série temporal X no tempo t. É a volatilidade ponderada exponencial da amostra para a série temporal Y no tempo t. É o fator de suavização usado nos cálculos de volatilidade ponderada exponencial e covariância. Se os conjuntos de dados de entrada não tiverem um significado zero, a função EWXCF Excel remove a média de cada amostra de dados em seu nome. O EWXCF usa a volatilidade do EWMA e as representações EWCOV que não assumem uma volatilidade média (ou covariância) de longo prazo e, portanto, para qualquer horizonte de previsão além de um passo, o EWXCF retorna um valor constante. Referências Hull, John C. Opções, Futuros e Outros Derivados Financial Times Prentice Hall (2003), pp 385-387, ISBN 1-405-886145 Hamilton, J. D. Análise de séries temporais. Princeton University Press (1994), ISBN 0-691-04289-6 Tsay, Ruey S. Análise da série temporária financeira John Wiley amp SONS. (2005), ISBN 0-471-690740 Links relacionadosSuponha que você tenha N séries temporais (classe xts) Você pode sugerir uma maneira (por exemplo, uma função existente) para calcular a correlação média rolante (janela rolante). Então, você tem (por exemplo) 10 séries temporais. O primeiro passo é calcular 60 dias de correlação entre primeiro e segundo, primeiro e terceiro, primeiro e quarto, e assim por diante. O segundo passo é calcular a média desse valor de correlação. Fim do primeiro ciclo. Depois de avançar um dia e começar todo o processo (primeiro e segundo passo), os resultados são uma série temporal com valores de correlação médios. Alguém pode ajudar a encontrar uma maneira eficiente de fazer isso Esta é a estrutura dos meus dados: Suponha que você tenha todas as séries no quadro de dados chamado X, nas primeiras dez variáveis. Então: se você não possui um quadro de dados, acho que o caminho mais fácil é primeiro criar um quadro de dados :) - desde que suas séries temporais tenham o mesmo comprimento. Para excluir a diagonal 1s da matriz de correlação, você pode primeiro definir uma função que calcula a média de todos os valores abaixo da diagonal (ou acima do diag, doenst make a difference): (Não testado, mas eu penso que é um shoudlwork). Muitas pesquisas focam a dinâmica Relações entre ativos no mercado (1,2,3). Normalmente, eu uso a correlação como uma medida de dependência de relacionamento, uma vez que seus resultados são fáceis de se comunicar e entender (em oposição à informação mútua, que é um pouco menos usada em finanças do que na teoria da informação). No entanto, analisar a dinâmica de correlação exige que nós calculemos uma correlação em movimento (a. k.a. windowed, trailing ou rolling). As médias móveis são bem compreendidas e são calculadas com facilidade 8211 e levam em conta um ativo por vez e produzem um valor para cada período de tempo. As correlações em movimento, ao contrário das médias móveis, devem levar em consideração múltiplos ativos e produzir uma matriz de valores para cada período de tempo. No caso mais simples, nos preocupamos com a correlação entre dois ativos 8211, por exemplo, o SampP 500 (SPY) e o setor financeiro (XLF). Neste caso, precisamos apenas prestar atenção a um valor na matriz. No entanto, se adicionássemos o setor de energia (XLE), torna-se mais difícil calcular com eficiência e representar essas correlações. Isso sempre é verdadeiro para 3 ou mais recursos diferentes. I8217ve escreveu o código abaixo para simplificar este processo (download). Primeiro, você fornece uma matriz (dataMatrix) com variáveis ​​nas colunas 8211, por exemplo, SPY na coluna 1, XLF na coluna 2 e XLE na coluna 3. Em segundo lugar, você fornece um tamanho de janela (windowSize). Por exemplo, se dataMatrix continha devoluções minuciosas, então um tamanho de janela de 60 produziria estimativas de correlação por hora. Em terceiro lugar, você indica qual coluna (indexColumn) você se preocupa em ver os resultados. No nosso exemplo, provavelmente especificamos a coluna 1, uma vez que isso nos permitiria observar a correlação entre (1) SampP e setor financeiro e (2) SampP e setor de energia. A imagem abaixo mostra os resultados para exatamente o exemplo acima para a última sexta-feira, 1 de outubro de 2010. ShareBookmark 2 Respostas para 8220Calculando a Correlação móvel em Matlab8221 it8217s não está claro como você lida com NA. Como você calcularia as correlações para os índices em diferentes países, onde um ponto de dados pode estar faltando devido a um feriado específico em um único país. Olá Paolo, O código como I8217ve postou não tratar com NaNs graciosamente. Você pode ver a partir desta página de documentação Matlab que você pode adicionar 82208216rows8217, 8216complete82178221 ao comando corrcoef para lidar graciosamente com o problema. Mathworkshelptechdocrefcorrcoef. html As outras alternativas são deixar essa data completamente, interpolar ou usar um método mais sofisticado para lidar com observações perdidas. Deixe uma resposta Cancelar resposta