主要内容

transprobprep

预处理信用评级数据来估计过渡概率

所有的页面崩溃

语法

[prepData] = transprobprep(数据)
[prepData] = transprobprep (___、名称、值)

描述

例子

(prepData)= transprobprep (数据)预处理信用评级历史数据(即信用迁移数据)的后续过渡概率估计。

例子

(prepData)= transprobprep (___,名称,值)添加可选名称-值对参数。

例子

全部折叠

打开生活的脚本

负载输入的数据文件Data_TransProb.mat并显示前十行。在这个例子中,矢量格式中提供的输入字符。

负载Data_TransProb%预处理信用评级数据。prepData = transprobprep(数据)
prepData =结构体字段:idStart: x1双[1506]numericDates: x1双[4315]numericRatings: x1双[4315]ratingsLabels: {“AAA”“AA”的一个“BBB的“BB”“B”“CCC”' D '}

估计过渡概率与默认设置。

transMat = transprob (prepData)
transMat =8×893.1170 5.8428 0.8232 0.1763 0.0376 0.0012 0.0001 0.0017 1.6166 93.1518 4.3632 0.6602 0.1626 0.0055 0.0004 0.0396 0.1237 2.9003 92.2197 4.0756 0.5365 0.0661 0.0028 0.0753 0.0236 0.2312 5.0059 90.1846 3.7979 0.4733 0.0642 0.2193 0.0216 0.1134 0.6357 5.7960 88.9866 3.4497 0.2919 0.7050 0.0010 0.0062 0.1081 0.8697 7.3366 86.7215 2.5169 2.4399 0.0002 0.0011 0.0120 0.2582 1.4294 4.2898 81.2927 12.7167 100.0000 0 0 0 0 0 0 0

估计概率与过渡“队列”算法。

transMatCoh = transprob (prepData,“算法”,“队列”)
transMatCoh =8×893.1345 5.9335 0.7456 0.1553 0.0311 0 0 0 1.7359 92.9198 4.5446 0.6046 0.1560 0 0 0.0390 0.1268 2.9716 91.9913 4.3124 0.4711 0.0544 0.0725 0.0210 0.3785 5.0683 89.7792 4.0379 0.4627 0.0421 0.2103 0.0221 0.1105 0.6851 6.2320 88.3757 3.6464 0.2873 0.6409 0 0 0.0761 0.7230 7.9909 86.1872 2.7397 2.2831 0 0 0 0.3094 1.8561 4.5630 80.8971 12.3743 100.0000 0 0 0 0 0 0 0

输入参数

全部折叠

信用评级历史输入数据,指定为以下之一:

  • 一个MATLAB®表的大小nRecords——- - - - - -3包含信用评级。每行包含一个ID(第1列),日期(第2列)和信用评级(列3)。指定的信用评级对应的关联ID相关的日期。对应于相同的ID的所有信息必须存储在相邻的行。按日期排序这些信息不是必需的,但是推荐效率。使用MATLAB表输入时,列的名称无关紧要,但ID、日期和评级信息是假定为在第一,第二,第三列,分别。同样,当使用一个表输入,第一和第三列可以分类数组,第二个是一个datetime数组。这里有一个例子在表的所有信息格式:

    ID评级__________ _________________ ______日期“00010283”“10 - 11月- 1984”“CCC”“00010283”“12 - 1986年5月——”“B”“00010283”1988年6月29日的“CCC”“00010283”的12 - 12月- 1991 ' D '‘00013326’‘09 - 2月- 1985 A“00013326”1994年- 2月24日的“AA”

    以下总结了支持数据类型表输入:金宝app

    数据输入类型 ID(第1列) 日期(2列) 评级(第3列)
    表

    • 数字数组

    • 单元阵列的特征向量

    • 分类数组

    • 数字数组

    • 单元阵列的特征向量

    • Datetime数组

    • 数字数组

    • 单元阵列的特征向量

    • 分类数组

  • 一个细胞大小的数组nRecords——- - - - - -3包含信用评级。每行包含一个ID(第1列),日期(第2列)和信用评级(列3)。指定的信用评级对应的关联ID相关的日期。对应于相同的ID的所有信息必须存储在相邻的行。按日期排序这些信息不是必需的,但建议。id、日期和评级是存储在特征矢量格式,但他们也可以进入数字格式。这里有一个例子在特征向量的所有信息格式:

    ' 00010283 ' ' 10 - 11月- 1984“CCC”“00010283”“12 - 1986年5月——”“B”“00010283”1988年6月29日的“CCC”“00010283”的12 - 12月- 1991 ' D ' ' 00013326 ' 09 - 2月- 1985 A“00013326”1994年- 2月24日的“AA”

    以下总结了支持数据类型单元阵列输入:金宝app

    数据输入类型 ID(第1列) 日期(2列) 评级(第3列)
    细胞

    • 数字元素

    • 特征向量元素

    • 数字元素

    • 特征向量元素

    • 数字元素

    • 特征向量元素

数据类型:表|细胞

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:prepData = transprobprep(数据、“标签”{“AAA级”、“AA”、“,“BBB”,“BB”、“B”,“CCC”、“F”})

信用评级规模,指定为逗号分隔组成的“标签”和一个nRatings——- - - - - -1,或1——- - - - - -nRatings单元阵列的特征向量。

标签必须符合评级标签中使用的第三列数据。使用单元阵列的数据数字评级,和单元阵列特征向量分类评级。

数据类型:细胞

输出参数

全部折叠

总结信用评级信息对应于每个公司的开始和结束,作为结构返回以下字段:

  • idStart数组的大小(nid + 1) 1,nIDs是不同的id列1的数量数据。这个数组总结了信用评级信息对应于每个公司开始和结束。相对应的日期和评级公司j在数据存储从行idStart(j)行idStart(j+ 1)−1的numericDates和numericRatings。

  • numericDates——数组的大小n人的记载,1,包含第2列的日期数据在数字格式。

  • numericRatings——数组的大小n人的记载,1,包含第三列的评级数据,映射到数字格式。

  • ratingsLabels-单元阵列的大小1——- - - - - -nRatings,包含信用评定量表。

版本历史

介绍了R2011b

另请参阅

||

主题

外部网站