主要内容

Ecmninit.

最初的均值和协方差

句法

[均值，协方差] = ecmninit（数据，initmethod）

争论

数据

numsamples.-经过-numseries.矩阵与numsamples.样品A.numseries.- 类随机向量。缺少值表示南s。

initmethod.

（可选）字符向量，用于标识三个定义的初始化方法中的一个，以计算数据的均值和协方差的初始估计。如果initmethod.=[]或者''，默认方法纳西普用来。初始化方法是

  • 纳西普- （默认）跳过所有记录南s。

  • 吐制- 估计意味着。充满南患有平均值。然后估计协方差。

  • 对角线- 形成对角线协方差。

描述

[均值，协方差] = ecmninit（数据，initmethod）为该功能创建初始均值和协方差估计Ecmnmle.。吝啬的是A.numseries.-经过-1柱矢量估计的平均值数据。协方差是A.numseries.-经过-numseries.矩阵估计协方差数据。

算法

全部收缩

模型

一般模型是

Z. 〜 N （ m E. 一种 N 那 C O. V. 一种 R. 一世 一种 N C E. ） 那

每一行的地方数据是一个观察Z.。

每次观察Z.被认为是iid（独立，相同分布）多变量正常，并且假设随机（MAR）缺少缺失值。

初始化方法

该例程具有三种初始化方法，涵盖大多数情况，每个情况都具有其优缺点。

纳西普

这纳西普方法适用于小问题（少于10系列或单调缺少数据模式）。它跳过任何记录南s并仅从完整数据记录中估算初始值。该初始化方法倾向于产生ECM算法的最快收敛。这个例程切换到吐制方法如果确定了大量的记录包含南。

吐制

这吐制方法是大问题（超过10系列）的最佳选择。它估计每个系列的所有可用数据的每个系列的平均值。然后它估计协方差矩阵，缺失值被视为等于平均值​​而不是均值南s。该初始化方法是强大的，但趋于导致ECM算法的较慢的收敛性。

对角线

这对角线方法是一种最坏的方法，涉及有问题的数据，例如脱节系列和过度缺失的数据（超过33％缺少数据）。在三种初始化方法中，该方法导致ECM算法的最慢收敛。

也可以看看

话题

在R2006A之前介绍

金融工具箱文档

金宝app

用Matlab建模财务风险的实用指南

用Matlab建模财务风险的实用指南

下载电子书