Eksponentielt Veide Moving Average Kovarians Matrise

er prøven korrelasjonen mellom X og Y ved tid t. er prøven eksponentiell vektet kovarians mellom X og Y ved tid t. er prøven eksponentiell vektet volatilitet for tidsserien X ved tid t. er prøven eksponentiell vektet volatilitet for tidsserien Y ved tid t. er utjevningsfaktoren brukt i eksponentielle vektede volatilitets - og kovariansberegninger. Hvis inngangsdataene ikke har nullverdier, fjerner EWXCF Excel-funksjonen gjennomsnittet fra hver eksempeldata på dine vegne. EWXCF bruker EWMA-volatiliteten og EWCOV-representasjonene som ikke antar en langsiktig gjennomsnittsvolatilitet (eller kovarians), og dermed for en prognoshorisont utover ett trinn, returnerer EWXCF en konstant verdi. Referanser Hull, John C. Alternativer, Futures og andre derivater Financial Times Prentice Hall (2003), s. 385-387, ISBN 1-405-886145 Hamilton, J. D. Tidsserieanalyse. Princeton University Press (1994), ISBN 0-691-04289-6 Tsay, Ruey S. Analyse av Financial Times Series John Wiley amp SONS. (2005), ISBN 0-471-690740 Related LinksMultivariate Exponentially Weighted Moving Covariance Matrix Hawkins, Douglas M. Maboudou-Tchao, Edgard M. (ASQ American Statistical Association) Universitetet i Minnesota University of Central Florida Technometrics Vol. 50 No. 2 QICID: 24353 May 2008 s. 155-166 Liste 10.00 Medlem 5.00 FOR BEGRENSET TID, TILGANG TIL DETTE INNHOLDET ER GRATIS Du må være pålogget. Ny på ASQ Registrer deg her. Artikkel Abstract Dette abstraktet er basert på forfatterens abstrakte. Det populære multivariate eksponentielt vektede glidende gjennomsnittskartet (MEWMA) fokuserer på endringer i middelvektoren, men endringer kan forekomme i enten plasseringen eller variabiliteten til den korrelerte multivariate kvalitetskarakteristikken som kaller parallelle metoder for å oppdage endringer i kovariansmatrisen. En eksponentielt vektet bevegelig kovariansmatrise vurderes for å overvåke stabiliteten av kovariansmatrisen til en prosess. Når det brukes sammen med stedet MEWMA, overvåker dette diagrammet både gjennomsnitt og variasjon som kreves av riktig prosesskontroll. Diagrammet overgår generelt konkurransedyktige diagrammer for kovariansmatrisen. Gjennomsnittlig kjørelengde (ARL), Bias, Regresjonsanalyse, Covarians, Eksponentielt veide, glidende gjennomsnittlige kontrollkort (EWMA) Beregning av EWMA-korrelasjon Bruke Excel Vi har nylig lært om hvordan å estimere volatilitet ved å bruke EWMA eksponentielt vektet bevegelige gjennomsnitt. Som vi vet, unngår EWMA fallgruvene av likevektede gjennomsnitt som gir større vekt på de nyere observasjonene i forhold til de eldre observasjonene. Så, hvis vi har ekstrem avkastning i våre data, når tiden går, blir disse dataene eldre og blir mindre vekt i beregningen. I denne artikkelen vil vi se på hvordan vi kan beregne korrelasjon ved hjelp av EWMA i Excel. Vi vet at korrelasjonen beregnes ved å bruke følgende formel: Det første trinnet er å beregne kovariansen mellom de to returseriene. Vi bruker utjevningsfaktoren Lambda 0.94, som brukes i RiskMetrics. Tenk på følgende ligning: Vi bruker den kvadratiske avkastningen r 2 som serien x i denne ligningen for varianseprognoser og kryssprodukter av to returnerer som serien x i ligningen for kovariansprognoser. Merk at samme lambda brukes til alle avvik og kovarians. Det andre trinnet er å beregne avvik og standardavvik for hver returserie, som beskrevet i denne artikkelen Beregn historisk volatilitet ved hjelp av EWMA. Det tredje trinnet er å beregne korrelasjonen ved å plugge inn verdiene for Covariance og Standard Deviations i den ovennevnte formelen for korrelasjon. Følgende Excel-ark gir et eksempel på korrelasjons - og volatilitetsberegningen i Excel. Det tar loggen returnerer av to aksjer og beregner korrelasjonen mellom dem.