Financial Toolbox

Regression und Schätzung an lückenhaften Daten

Die Financial Toolbox enthält Werkzeuge zur Ausführung multivariater Normalregressionen an vollständigen oder lückenhaften Daten. Sie können:

  • übliche Regressionen auf der Basis des zugrunde liegenden Modells durchführen, darunter etwa scheinbar nicht zusammenhängende Regressionen (Seemingly Unrelated Regressions, SUR).
  • Log-Likelihood-Funktionen und Standardfehler für Hypothesentests schätzen
  • Berechnungen auch mit lückenhaften Daten abschließen
Results of estimating CAPM model parameters with missing data.
Ergebnisse der Parameterschätzung eines CAPM-Modells mit lückenhaften Daten. Schätzungen können unter der Annahme, dass der GOOG-Beta-Koeffizient in statistischer Hinsicht nicht von null abweicht, auch an lückenhaften Daten vorgenommen werden (oben links; Werte in Klammern sind die t-Werte). Mithilfe einer SUR lässt sich danach ein statistisch signifikanter GOOG-Beta-Koeffizient identifizieren (unten rechts).

Mit der Funktion zum Schätzen fehlender Daten lässt sich der Einfluss der Datenqualität auf Ihre Modelle und Simulationen ermitteln. Dadurch kann beispielsweise quantifiziert werden, wie sich lückenhafte Daten auf die Schätzung von Koeffizienten für CAPM -Modelle oder auf die Berechnung der Efficient Frontier eines Anlagenportfolios auswirken. Datenlücken können die Ergebnisse erheblich verfälschen.

Plot showing the effect of missing data on the estimation of the mean-variance efficient frontier.
Dieses Diagramm zeigt die Auswirkung lückenhafter Daten auf die Schätzung der Mean-Variance Efficient Frontier. Die rote Efficient Frontier wurde durch Entfernung sämtlicher Zeiträume in den Beispieldaten, für die keine Daten vorhanden sind, berechnet Die blaue Efficient Frontier dagegen wurde mithilfe der Funktion ecmnmleberechnet, die die Werte fehlender Daten schätzt.
Weiter: Technische Indikatoren und Finanzdiagramme

Probieren Sie Financial Toolbox

Testsoftware anfordern

Klassifizierung mit MATLAB: Bringen Sie Ordnung ins Chaos

Webinar anzeigen