主要内容

convert2weekly

总时间表数据每周的周期性

所有的页面崩溃

语法

TT2 = convert2weekly (TT1)
TT2 = convert2weekly (___、名称、值)

描述

例子

TT2= convert2weekly (TT1)聚合数据(例如,数据记录日报)每周的周期性。

例子

TT2= convert2weekly (___,名称,值)使用附加选项指定一个或多个名称参数。

例子

全部折叠

打开生活的脚本

加载模拟股票价格数据和相应的对数返回SimulatedStockSeries.mat。

负载SimulatedStockSeries

的时间表DataTimeTable包含测量记录在不同,不规则的次交易时间(09:30至16:00)的纽约证券交易所(NYSE)从1月1日,2018年,通过2020年12月31日。

例如,显示前几的观察。

头(DataTimeTable)
时间价格Log_Return ____________________ ______ __________ 01 - 100年1月- 2018年11:52:48 -0.025375 01 - 1月- 2018 13:23:13 01 - 1月- 2018 14:45:09 101.5 - 0.0035531 101.14 - 0.011336 01 - 1月- 2018 15:30:30 100.15 - -0.01339 02 - 1月- 2018 10:43:37 99.72 - -0.0043028 03 - 1月- 2018 10:02:21 100.11 - 0.0039033 03 - 1月- 2018 11:22:37 103.96 - 0.037737 03 - 1月- 2018 13:42:27 107.05 - 0.02929

DataTimeTable不包括业务日历意识。如果你想占非商业的天(周末、节假日、和市场关闭),你有一个金融工具箱™许可证,添加业务日历使用意识addBusinessCalendar函数。

总价格系列的每周系列报告每周的最后价格。

WeeklyPrice = convert2weekly (DataTimeTable (:,“价格”));

WeeklyPrice是一个时间表,它包含每个周报告的最终价格吗DataTimeTable。

打开生活的脚本

这个例子显示了如何指定适当的变量的单位的聚合方法。它还展示了如何使用convert2weekly聚合两日内每日数据和汇总数据,导致相当于每周聚集。

加载模拟股票价格数据和相应的对数返回SimulatedStockSeries.mat。

负载SimulatedStockSeries

系列的价格价格包含绝对测量,而日志返回系列Log_Return是价格的变化率系列连续观测。因为这个系列有不同的单位,您必须指定适当的方法当你总该系列。具体地说,如果你报告最终价格对于一个给定的周期性,你必须报告日志返回在每个时期的总和。

了解如何保持一致性之间的聚合方法,使用两种方法来聚集DataTimeTable这结果每周周期性。

  1. 通过DataTimeTable直接向convert2weekly。

  2. 总DataTimeTable这结果日周期使用convert2daily,然后将结果传递给convert2weekly。

在这两种情况下,指定报告最后价格和每个时期的日志回报的总和。

直接聚合数据,以便结果每周的周期性。对于每一个系列,指定适当的聚合方法。

aggmethods = [“lastvalue”“和”];WeeklyTT1 = convert2weekly (DataTimeTable、聚合= aggmethods)
WeeklyTT1 =157×2时间表时间价格Log_Return………………05 - 1月- 2018年110.69 - 0.076188 12 - 1月- 2018年119.91 - 0.080008 19 - 1月26 - 2018 116.6 -0.027992 118.51 - 0.016248 - 1月- 2018年02 - 2018年2月- 120.03 - 0.012744 09年2月- 2018年2月117.07 - -0.02497 16 - 117.06 - -8.5423 - 2018 e-05 23 - 116.72 - -0.0029087 - 2018 02年2月- 3月- 2018 109.98 - -0.059479 09 - 3月- 2018年3月110.27 - 0.0026334 16 - 107.35 - -0.026837 - 2018 3月23 - 30 - 3月- 2018 - 2018 112.78 0.049344 110.27 -0.022507 06 - 4月- 2018 105.27 - -0.046403 13 - 4月20 - 4月- 2018 - 2018 106.01 0.007005 107.93 0.017949⋮

WeeklyTT1是一个包含每周数据的时间表。价格是一系列的最后的股票价格为每一个星期,然后呢Log_Return是每周日志回报的总和。

聚合数据的两个步骤:聚合数据,以便结果日周期,然后总每日数据每周数据。对于每一个系列,指定适当的聚合方法。

DailyTT = convert2daily (DataTimeTable、聚合= aggmethods);尾(DailyTT)
时间价格Log_Return………………24 - 12月- 2020年12月286.35 - -0.0067521 25 - 26 - 2020 286.26 -0.00031435 285.68 - -0.0020282 - 12月- 2020年27 - 12月- 2020年12月285.61 - -0.00024506 28 - 29 - 2020 294.36 0.030176 300.44 - 0.020445 - 12月- 2020年12月30 - 31 - 2020 303.84 0.011253 -0.0092581 301.04 - 12月- 2020
WeeklyTT2 = convert2weekly (DailyTT、聚合= aggmethods)
WeeklyTT2 =157×2时间表时间价格Log_Return………………05 - 1月- 2018年110.69 - 0.076188 12 - 1月- 2018年119.91 - 0.080008 19 - 1月26 - 2018 116.6 -0.027992 118.51 - 0.016248 - 1月- 2018年02 - 2018年2月- 120.03 - 0.012744 09年2月- 2018年2月117.07 - -0.02497 16 - 117.06 - -8.5423 - 2018 e-05 23 - 116.72 - -0.0029087 - 2018 02年2月- 3月- 2018 109.98 - -0.059479 09 - 3月- 2018年3月110.27 - 0.0026334 16 - 107.35 - -0.026837 - 2018 3月23 - 30 - 3月- 2018 - 2018 112.78 0.049344 110.27 -0.022507 06 - 4月- 2018 105.27 - -0.046403 13 - 4月20 - 4月- 2018 - 2018 106.01 0.007005 107.93 0.017949⋮

DailyTT是一个时间表,每天的周期性。价格是一系列的最后的股票价格为每一天,然后呢Log_Return是每天的日志回报的总和。

WeeklyTT1和WeeklyTT2是相等的。

convert2weekly默认情况下周五报告结果。好几个星期,周五不是一个交易日在纽交所,前一营业日报告结果的函数。您可以使用名称-值参数EndOfWeekDay指定一个不同的星期结束业务周。

输入参数

全部折叠

数据聚合每周周期性,指定为一个时间表。

每个变量可以是一个数值向量(一元系列)或数字矩阵(多元系列)。

请注意

  • 南年代显示缺失值。

  • 时间戳必须按升序或降序。

默认情况下,所有业务的日子。如果你的时间表不占非商业的天(周末、节假日、和市场关闭),添加业务日历使用意识addBusinessCalendar第一。例如,下面的命令将业务日历逻辑添加到只包括纽交所业务天。

TT = addBusinessCalendar (TT);

数据类型:时间表

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。

例子:TT2 = convert2weekly (TT1、“聚合”(“lastvalue”“和”))

聚合方法TT1定义如何将数据聚合在工作日intra-week或inter-day周期性,指定为下列方法之一,一个字符串向量的方法,或长度numVariables细胞向量的方法,numVariables变量的数量吗TT1。

  • “和”——每年求和的值或一天。

  • “的意思是”——计算值的均值在每年或一天。

  • “刺激”——计算值的乘积在每年或一天。

  • “最小值”——计算每年的最低的值或一天。

  • “马克斯”——计算的值的最大每年或一天。

  • “firstvalue”——在每年使用第一个值或一天。

  • “lastvalue”——使用每年的最后一个值或一天。

  • @customfcn——自定义聚合方法,该方法接受一个表变量并返回一个数值标量(对于单变量系列)或行向量(多元系列)。函数必须接受空输入[]。

如果你指定一个方法,convert2weekly指定的方法适用于所有的时间序列TT1。如果您指定一个字符串向量或单元向量聚合,convert2weekly适用于聚合(j)来TT1 (:,j);convert2weekly适用于每个聚合方法一次(更多细节,请参阅调整时间)。例如,考虑一个代表日常时间表TT1有三个变量。

时间AAA BBB CCC ___________交___________ 01 - 1月- 2018 100.00 200.00 300.00 400.00 02 - 1月- 2018 100.03 200.06 300.09 400.12 03 - 1月- 2018 100.07 200.14 300.21 400.28 04—05 jan - 2018 100.08 200.16 300.24 400.32 - 1月- 2018 100.25 200.50 300.75 401.00 06 - 1月- 2018 100.19 200.38 300.57 400.76 07 - 1月- 2018 - 1月- 2018年08年100.54 201.08 301.62 402.16 100.59 101.40 201.18 301.77 402.36 09 - 1月- 2018年10 - 2018年1月- 202.80 304.20 405.60 101.94 - 203.88 305.82 - 407.76 11 - 1月- 2018 102.53 205.06 307.59 410.12 12 - 1月- 2018 103.35 206.70 310.05 413.40 13 - 1月- 2018年1月14 - 413.60 103.40 206.80 310.20 - 15 - 1月- 2018 2018 103.91 207.82 311.73 415.64 104.44 103.89 207.78 311.67 415.56 16 - 1月- 2018 208.88 313.32 417.76 17 - 1月- 2018 104.44 208.88 313.32 417.76 1月18 - 19 - 2018 104.04 208.08 312.12 416.16 - 1月- 2018 104.94 209.88 314.82 419.76

代表相应的违约每周的结果TT2(所有天工作日,“lastvalue”报告在星期五)如下。

时间AAA BBB CCC ___________交___________ 05 - 1月- 2018 100.25 200.50 300.75 401.00 1月12 - 19 - 2018 103.35 206.70 310.05 413.40 - 1月- 2018 104.94 209.88 314.82 419.76

默认的“lastvalue”返回最新的观测值在给定一周所有的变量TT1。

省略所有方法缺失的数据(南对每个变量直接聚合计算。然而,对于失踪的情况下出现在第一行的值TT1,缺少的值也可以出现在聚合的结果TT2。为了解决缺失的数据,编写并指定一个自定义聚合支持缺失数据的方法(函数处理)。金宝app

数据类型:字符|字符串|细胞|function_handle

盘中的聚合方法TT1字符串指定为一个聚合方法,向量的方法,或长度numVariables细胞向量的方法。对于更多细节支持的方法和行为,看到金宝app“聚合”名称-值参数。

数据类型:字符|字符串|细胞|function_handle

一天的星期结束业务周,表中指定为一个值。

价值 每周一天结束
“星期天”或1 周日
“周一”或2 周一
“星期二”或3 周二
“星期三”或4 周三
“星期四”或5 周四
“星期五”或6 星期五
“星期六”或7 周六

如果指定的演示会天在给定星期不是营业日,一周的工作日结束之前。

数据类型:双|字符|字符串

输出参数

全部折叠

每周的数据,返回为一个时间表。的时间安排TT1和TT2都是一样的。

如果一个变量TT1没有业务日记录采样时间跨度内年度期间,convert2weekly返回一个南变量和年度的时期TT2。

如果第一周(week1)TT1包含至少一个营业日,第一次约会TT2是最后一个业务日期week1。否则,第一次约会TT2是下一个演示会业务日期TT1。

如果上周(weekT)TT1包含至少一个工作日,在最后的日期TT2是最后一个业务日期weekT。否则,最后日期TT2前面的演示会业务日期吗TT1。

版本历史

介绍了R2021a

另请参阅

||||||

主题