Bewegende gemiddelde Hierdie voorbeeld leer jy hoe om die bewegende gemiddelde van 'n tydreeks in Excel te bereken. 'N bewegende avearge gebruik te stryk onreëlmatighede (pieke en dale) om maklik tendense herken. 1. In die eerste plek kan 'n blik op ons tyd reeks. 2. Klik op die blad Data, kliek Data-analise. Nota: cant vind die Data-analise knoppie Klik hier om die analise ToolPak add-in te laai. 3. Kies bewegende gemiddelde en klik op OK. 4. Klik op die insette Range boks en kies die reeks B2: M2. 5. Klik op die boks interval en tik 6. 6. Klik in die uitset Range boks en kies sel B3. 8. Teken 'n grafiek van hierdie waardes. Verduideliking: omdat ons die interval stel om 6, die bewegende gemiddelde is die gemiddeld van die vorige 5 datapunte en die huidige data punt. As gevolg hiervan, is pieke en dale stryk uit. Die grafiek toon 'n toenemende tendens. Excel kan nie bereken die bewegende gemiddelde vir die eerste 5 datapunte, want daar is nie genoeg vorige datapunte. 9. Herhaal stappe 2 tot 8 vir interval 2 en interval 4. Gevolgtrekking: Hoe groter die interval, hoe meer die pieke en dale is glad nie. Hoe kleiner die interval, hoe nader die bewegende gemiddeldes is om die werklike data punte. Hou jy van hierdie gratis webwerf Deel asseblief hierdie bladsy op GoogleWhen berekening 'n lopende bewegende gemiddelde, die plasing van die gemiddelde in die middel tydperk sinvol In die vorige voorbeeld het ons bereken die gemiddeld van die eerste 3 tydperke en sit dit langs tydperk 3. ons kan die gemiddelde geplaas in die middel van die tyd interval van drie tydperke, dit wil sê langs tydperk 2. dit werk goed met vreemde tydperke, maar nie so goed vir selfs tydperke. So waar sou ons plaas die eerste bewegende gemiddelde wanneer M 4 Tegnies, sou die bewegende gemiddelde op t 2.5, 3.5 val. Om hierdie probleem wat ons glad Mas using 2. So glad ons die stryk waardes As ons gemiddeld 'n gelyke getal terme te vermy, moet ons die stryk waardes glad Die volgende tabel toon die resultate met behulp van M 4.Moving Gemiddeldes: Wat is dit Een van die mees gewilde tegniese aanwysers, is bewegende gemiddeldes gebruik om die rigting van die huidige tendens meet. Elke tipe bewegende gemiddelde (algemeen in hierdie handleiding as MA geskryf) is 'n wiskundige gevolg dat word bereken deur die gemiddeld van 'n aantal van die verlede datapunte. Sodra bepaal, die gevolglike gemiddelde is dan geplot op 'n grafiek, sodat die handelaars om te kyk na reëlmatige data eerder as om te fokus op die dag-tot-dag prysskommelings wat inherent in alle finansiële markte is. Die eenvoudigste vorm van 'n bewegende gemiddelde, gepas bekend as 'n eenvoudige bewegende gemiddelde (SMA), word bereken deur die rekenkundige gemiddelde van 'n gegewe stel waardes. Byvoorbeeld, 'n basiese 10-dae - bewegende gemiddelde wat jy wil voeg tot die sluiting pryse van die afgelope 10 dae en dan verdeel die gevolg van 10. In Figuur 1 te bereken, die som van die pryse vir die afgelope 10 dae (110) is gedeel deur die aantal dae (10) om te kom op die 10-dae gemiddelde. As 'n handelaar wil graag 'n 50-dag gemiddelde sien in plaas daarvan, sal dieselfde tipe berekening gemaak word, maar dit sal die pryse sluit oor die afgelope 50 dae. Die gevolglike gemiddelde hieronder (11) in ag neem die afgelope 10 datapunte om handelaars 'n idee van hoe 'n bate relatiewe is geprys om die afgelope 10 dae te gee. Miskien is jy wonder hoekom tegniese handelaars noem hierdie hulpmiddel 'n bewegende gemiddelde en nie net 'n gewone gemiddelde. Die antwoord is dat as nuwe waardes beskikbaar is, moet die oudste datapunte laat val van die stel en nuwe data punte moet kom om dit te vervang. So, is die datastel voortdurend in beweging om rekenskap te gee nuwe data soos dit beskikbaar raak. Hierdie metode van berekening verseker dat slegs die huidige inligting word verreken. In Figuur 2, sodra die nuwe waarde van 5 word by die stel, die rooi boks (wat die afgelope 10 datapunte) na regs beweeg en die laaste waarde van 15 laat val van die berekening. Omdat die relatief klein waarde van 5 die hoë waarde van 15 vervang, sou jy verwag om die gemiddeld van die datastel afname, wat dit nie sien nie, in hierdie geval van 11 tot 10. Wat Moet Bewegende Gemiddeldes lyk as die waardes van die MA is bereken, hulle geplot op 'n grafiek en dan gekoppel aan 'n bewegende gemiddelde lyn te skep. Hierdie buig lyne is algemeen op die kaarte van tegniese handelaars, maar hoe dit gebruik word kan drasties wissel (meer hieroor later). Soos jy kan sien in Figuur 3, is dit moontlik om meer as een bewegende gemiddelde om enige term voeg deur die aanpassing van die aantal tydperke gebruik word in die berekening. Hierdie buig lyne kan steurende of verwarrend lyk op die eerste, maar jy sal groei gewoond aan hulle soos die tyd gaan aan. Die rooi lyn is eenvoudig die gemiddelde prys oor die afgelope 50 dae, terwyl die blou lyn is die gemiddelde prys oor die afgelope 100 dae. Nou dat jy verstaan wat 'n bewegende gemiddelde is en hoe dit lyk, goed in te voer 'n ander tipe van bewegende gemiddelde en kyk hoe dit verskil van die voorheen genoem eenvoudig bewegende gemiddelde. Die eenvoudige bewegende gemiddelde is uiters gewild onder handelaars, maar soos alle tegniese aanwysers, dit het sy kritici. Baie individue argumenteer dat die nut van die SMA is beperk omdat elke punt in die datareeks dieselfde geweeg, ongeag waar dit voorkom in die ry. Kritici argumenteer dat die mees onlangse data is belangriker as die ouer data en moet 'n groter invloed op die finale uitslag het. In reaksie op hierdie kritiek, handelaars begin om meer gewig te gee aan onlangse data, wat sedertdien gelei tot die uitvinding van die verskillende tipes van nuwe gemiddeldes, die gewildste van wat is die eksponensiële bewegende gemiddelde (EMA). (Vir verdere inligting, sien Basics gelaaide bewegende gemiddeldes en Wat is die verskil tussen 'n SMA en 'n EMO) Eksponensiële bewegende gemiddelde Die eksponensiële bewegende gemiddelde is 'n tipe van bewegende gemiddelde wat meer gewig gee aan onlangse pryse in 'n poging om dit meer ontvanklik maak om nuwe inligting. Leer die ietwat ingewikkeld vergelyking vir die berekening van 'n EMO kan onnodige vir baie handelaars wees, aangesien byna al kartering pakkette doen die berekeninge vir jou. Maar vir jou wiskunde geeks daar buite, hier is die EMO vergelyking: By die gebruik van die formule om die eerste punt van die EMO bereken, kan jy agterkom dat daar geen waarde beskikbaar is om te gebruik as die vorige EMO. Hierdie klein probleem opgelos kan word deur die begin van die berekening van 'n eenvoudige bewegende gemiddelde en die voortsetting van die bogenoemde formule van daar af. Ons het jou voorsien van 'n monster spreadsheet wat die werklike lewe voorbeelde van hoe om beide 'n eenvoudige bewegende gemiddelde en 'n eksponensiële bewegende gemiddelde te bereken sluit. Die verskil tussen die EMO en SMA Nou dat jy 'n beter begrip van hoe die SMA en die EMO bereken word, kan 'n blik op hoe hierdie gemiddeldes verskil. Deur te kyk na die berekening van die EMO, sal jy agterkom dat meer klem gelê op die onlangse data punte, maak dit 'n soort van geweegde gemiddelde. In Figuur 5, die nommers van tydperke wat in elk gemiddeld is identies (15), maar die EMO reageer vinniger by die veranderende pryse. Let op hoe die EMO het 'n hoër waarde as die prys styg, en val vinniger as die SMA wanneer die prys daal. Dit reaksie is die hoofrede waarom so baie handelaars verkies om die EMO gebruik oor die SMA. Wat doen die verskillende dae gemiddelde bewegende gemiddeldes is 'n heeltemal aanpas aanwyser, wat beteken dat die gebruiker vrylik kan kies watter tyd raam wat hulle wil wanneer die skep van die gemiddelde. Die mees algemene tydperke wat in bewegende gemiddeldes is 15, 20, 30, 50, 100 en 200 dae. Hoe korter die tydsduur wat gebruik word om die gemiddelde te skep, hoe meer sensitief sal wees om die prys veranderinge. Hoe langer die tydsverloop, hoe minder sensitief, of meer reëlmatige, die gemiddelde sal wees. Daar is geen regte tyd raam te gebruik wanneer die opstel van jou bewegende gemiddeldes. Die beste manier om uit te vind watter een werk die beste vir jou is om te eksperimenteer met 'n aantal verskillende tydperke totdat jy die een wat jou strategie pas te vind. Bewegende gemiddeldes: Hoe om dit te gebruik Skryf Nuus om te gebruik vir die nuutste insigte en ontleding Dankie vir jou inskrywing om Investopedia insigte - Nuus om Use. Stata: Data-analise en statistiese sagteware Nicholas J. Cox, Durham Universiteit, die Verenigde Koninkryk Christopher Baum, Boston Kollege egen, MA () en sy beperkinge Statarsquos mees voor die hand liggend bevel vir die berekening van bewegende gemiddeldes is die ma () funksie van egen. Gegewe 'n uitdrukking, dit skep 'n - periode bewegende gemiddelde van daardie uitdrukking. By verstek, is geneem as 3. moet vreemd wees. Maar, soos die handleiding inskrywing dui, egen, MA () mag nie gekombineer word met die varlist:. en, net vir hierdie rede is dit nie van toepassing op paneel data. In elk geval, dit staan buite die stel instruksies wat spesifiek vir tydreekse geskryf sien tydreekse vir meer inligting. Alternatiewe benaderings tot bereken bewegende gemiddeldes vir paneel data, is daar ten minste twee keuses. Beide is afhanklik van die dataset nadat vooraf tsset. Dit is baie moeite werd te doen: nie alleen kan bespaar jy jouself herhaaldelik spesifiseer paneel veranderlike en tyd veranderlike, maar Stata optree slim enige gapings in die data gegee. 1. Skryf jou eie definisie met behulp genereer Gebruik time-reeks operateurs soos L. en F.. gee die definisie van die bewegende gemiddelde as die argument om 'n te genereer verklaring. As jy dit doen, jy, natuurlik, nie beperk tot die gelyke gewigte (ongeweegde) gesentreer bewegende gemiddeldes bereken deur egen, MA (). Byvoorbeeld, ewe-geweeg drie-tydperk bewegende gemiddeldes sal deur gegee word en 'n paar gewigte kan maklik gespesifiseerde: Jy kan natuurlik, spesifiseer 'n uitdrukking soos log (myvar) in plaas van 'n veranderlike naam soos myvar. Een groot voordeel van hierdie benadering is dat Stata doen outomaties die regte ding vir paneel data: voorste en agter waardes uitgewerk binne panele, net soos logika dikteer hulle behoort te wees. Die mees noemenswaardige nadeel is dat die command line eerder lank kan kry as die bewegende gemiddelde behels verskeie terme. Nog 'n voorbeeld is 'n eensydige bewegende gemiddelde wat slegs gebaseer is op vorige waardes. Dit kan nuttig wees vir die opwekking van 'n aangepaste verwagting van wat 'n veranderlike sal suiwer gebaseer op inligting tot op hede: wat kan iemand voorspelling vir die huidige tydperk gebaseer op die afgelope vier waardes, met behulp van 'n vaste gewig skema (A 4-tydperk lag kan wees veral algemeen gebruik met kwartaallikse tijdreeksen.) 2. gebruik egen, filter () van SSC gebruik die gebruiker geskryf egen funksie filter () van die egenmore pakket op SSC. In Stata 7 (opgedateer na 14 November 2001), kan jy die pakket installeer deur waarna help egenmore punte om besonderhede oor filter (). Die twee voorbeelde hierbo sou word gelewer (In hierdie vergelyking genereer die benadering is dalk meer deursigtig, maar ons sal 'n voorbeeld van die teenoorgestelde in 'n oomblik sien.) Die lags is 'n numlist. lei dat negatiewe lags: in hierdie geval -1/1 brei om -1 0 1 of lei 1, lag 0, lag 1. Die Coëf ficients, 'n ander numlist, vermeerder die ooreenstemmende sloerende of leidende items: in hierdie geval die items is F1.myvar. myvar en L1.myvar. Die effek van die opsie normaliseer is aan elke koëffisiënt skaal deur die som van die koëffisiënte sodat Coëf (1 1 1) normaliseer is gelykstaande aan koëffisiënte van 1/3 1/3 1/3 en Coëf (1 2 1) normaliseer is gelykstaande om koëffisiënte van 1/4 1/2 1/4. Jy moet nie net die lags, maar ook die koëffisiënte spesifiseer. Omdat egen, MA () gee die ewe geweegde geval, die belangrikste rasionaal vir egen, filter () is om die ongelyk geweegde geval, waarvoor jy moet koëffisiënte spesifiseer ondersteun. Dit kan ook gesê word dat die verpligting om gebruikers te koëffisiënte spesifiseer 'n bietjie ekstra druk op hulle om te dink oor wat koëffisiënte wat hulle wil. Die belangrikste rede vir gelyke gewigte is, ons dink, eenvoud, maar gelyke gewigte het gemeen frekwensiedomein eienskappe, om net 'n oorweging te noem. Die derde voorbeeld hierbo kan óf waarvan net omtrent so ingewikkeld as die genereer benadering. Daar is gevalle waar egen, filter () gee 'n eenvoudiger formulering as genereer. As jy 'n nege-termyn binomiaal filter, wat klimatoloë nuttig vind wil, kyk dan miskien minder aaklig as, en makliker om reg as kry, net soos met die genereer benadering, egen, filter () werk behoorlik met paneel data. Trouens, soos hierbo genoem, dit hang af van die dataset nadat vooraf tsset. 'N Grafiese punt Na die berekening van jou bewegende gemiddeldes, sal jy waarskynlik wil hê om te kyk na 'n grafiek. Die gebruiker geskrewe tsgraph is slim oor tsset datastelle. Installeer dit in 'n up-to-date Stata 7 deur SSC Inst tsgraph. Wat van subsetting met as een van die bogenoemde voorbeelde maak gebruik van as beperkings. Om die waarheid te egen, sal ma () nie toelaat dat indien gespesifiseer word. Soms mense wil gebruik as die berekening bewegende gemiddeldes, maar die gebruik daarvan is 'n bietjie meer ingewikkeld as wat dit is gewoonlik. Wat sou jy verwag van 'n bewegende gemiddelde bereken met as. Kom ons identifiseer twee moontlikhede: Swak interpretasie: Ek dont wil enige resultate vir die uitgesluit Waarnemings sien. Sterk interpretasie: Ek dont selfs wil hê jy moet die waardes vir die uitgesluit waarnemings. Hier is 'n konkrete voorbeeld. Veronderstel as gevolg van 'n paar as voorwaarde, waarnemings 1-42 ingesluit maar nie Waarnemings 43 op. Maar die bewegende gemiddelde vir 42 sal afhang, onder andere, op die waarde vir waarneming 43 as die gemiddelde strek heen en weer en is van lengte ten minste 3, en dit sal op soortgelyke wyse afhanklik van 'n paar van die waarnemings 44 en verder in sekere omstandighede. Ons raaiskoot is dat die meeste mense sal gaan vir die swak interpretasie, maar of dit korrek is, beteken egen, filter () nie ondersteun as óf. Jy kan altyd ignoreer wat jy donrsquot wil of selfs ongewenste waardes stel om daarna ontbreek deur die gebruik van te vervang. 'N Nota oor vermiste resultate aan die einde van 'n reeks Omdat bewegende gemiddeldes is funksies van sloerings en lei, egen, MA () produseer ontbreek waar die lags en lei nie bestaan nie, aan die begin en einde van die reeks. 'N opsie nomiss dwing die berekening van korter, uncentered bewegende gemiddeldes vir die sterte. In teenstelling hiermee het nie genereer word nie egen, filter () doen, of laat, niks spesiaal ontbreek resultate te vermy. Indien enige van die waardes wat nodig is vir die berekening ontbreek, dan is dit gevolg ontbreek. Dit is aan gebruikers om te besluit of en watter korrektiewe chirurgie nodig is vir sulke waarnemings, vermoedelik na te kyk na die datastel en die oorweging van enige onderliggende wetenskap wat tot bear. Announcement 04 gebring kan word November 2014, 19:36 Liewe almal, Ek is besig om met 'n ongebalanseerde paneel dataset waar die paneel var is die fonds nommer en die tyd var is die maand. So, ek werk met 'n maandelikse tydreekse maar met gapings. Wat ek wil hê, is om die 3-jaar Sharpe verhouding en ook die 3-jaar Jensens alfa vir elke fonds te bereken. Dus, as ek by Jaar 1992 Ek wil graag die Sharpe-verhouding vir daardie jaar met behulp van die maandelijkse vaste waarnemings van die jaar 1992 1991 1990 Om dit te doen wat ek nodig het die gemiddelde en SD van die oortollige opbrengste van elke fonds gedurende daardie tydperk te bereken. Daarbenewens wil ek die Jensens Alpha skat deur die loop van die CAPM model met behulp weer die maandelikse waarnemings van jare 1992 1991 1990 Om dit te doen, sodat ek kon die statsby opdrag gebruik en gebruik die koëffisiënte van 'n regressie loop gedurende daardie tydperk. Ek haved probeer baie opdragte soos rollreg, movavg, ma ens en ook 'n paar locals met foreach / forvalues maar ek kan nie in diens van hulle as Ek hoef nie 'n gebalanseerde paneel en ek dont wil om fondse uit te skakel, want ek een of twee gapings kan hê. Dit is 'n voorbeeld van my dataset o ryear maand mktrf SMB HML UMD ExcessR s ---------------------------------- ----------------------------------------- 2 1997 1. 2 1997 2 -. 0049 -.0261 0,0469 -.0204. 2 1997 3 -.0503 -.0032 0,0386 0,0094 -.0181431 2 1997 4 0,0404 -.0519 -.0102 0,0489 0,0117428 2 1997 5 0,0674 0,0483 -.0438 -.0519 0,0372053 ---- -------------------------------------------------- --------------------- 2 1997 6 0,041 0,015 0,0072 0,0259 0,0310222 2 1997 7 0,0733 -.0252 -.0013 0,0384 0,0402394 2 1997 8 -.0415 0,0734 0,0137 -.0252 -.0292168 2 1997 9 0,0535 0,0268 0,0145 -.0025 0,0381404 2 1998 1 0,0015 -.0094 -.0207 0,001 0,0056473 ------ -------------------------------------------------- ------------------- 2 1998 2 0,0703 0,0032 -.0086 -.011 0,0395531 2 1998 3 0,0476 -.0099 0,0123 0,0214 0,0277491 2 1998 4 0,0073 0,0048 0,0027 0,0078 0,0005439 2 1998 5 -.0307 -.0354 0,0412 0,0189 -.0093562 2 1998 6 0,0318 -.0315 -.0222 0,0726 0,002362 -------- -------------------------------------------------- ----------------- 2 1998 7 -.0246 -.0492 -.0115 0,0371 -.0232616 2 1998 8 -.1608 -.0575 0,0524 0,0187 -.091043 2 1998 9 0,0615 -.0015 -.0388 -.0063 0,0222817 2 1998 10 0,0713 -.032 -.0277 -.0535 0,0311223 2 1998 11 0,061 0,0114 -.0343 0,0118 0,0300834 ---- -------------------------------------------------- --------------------- 2 1998 12 0,0616 -.003 -.047 0,0904 0,0168859 7 1994 1 0,0287 0,0014 0,021 0,0001 0,0183894 7 1994 2 -.0256 0,0272 -.0141 -.0026 -.0170168 7 1994 3 -.0478 -.0096 0,0134 -.0132 -.0656004 7 1994 4 0,0068 -.0091 0,0169 0,0041 -.0032034 - -------------------------------------------------- ----------------------- 7 1994 5 0,0058 -.0201 0,0018 -.0216 -.0093189 7 1994 6 -.0303 -.0048 0,0168 -.0083 -.0506594 7 1994 7 0,0282 -.0178 0,0098 0,0019 0,0199595 7 1994 8 0,0401 0,0145 0,0154 -.0347 0,0419298 7 1994 9 -.0231 0,0268 -.0181 0,0131 -.0135341 -------------------------------------------------- ------------------------- 7 1994 10 0,0134 -.022 -.0236 0,0145 0,0129598 7 1994 11 -.0404 -.0017 - 0,0005 -.0019 -.0433825 7 1994 12 0,0086 0,0005 0,0026 0,035 0,0152948 5 November 2014, 11:35 Dankie baie vir jou poste. Met betrekking tot die Sharpe-verhouding is hierdie die kode wat ek geskryf het en my probleem op te los. gen MeanVWExcRetGr. soort crspfundno ryear maand forval i1990 (1) 2013 plaaslike mi-2 deur crspfundno. egen Meanimean (VWExcRetGr) indien ryearlti amp ryeargtm MeanVWExcRetGrMeani vervang as ryeari Dit is nie volmaak nie, maar ek het my manier in een kolom nou so elke jaar Ek het dieselfde waarde van rollende beteken binne my maandelikse waarnemings (egen). Ek sê dit is nie volmaak, want binne die gebooie wat ek nie spesifiseer wat ek wil hê dat die waardes gemiddeld slegs in die geval dat ek 3 jaar van waarnemings. Daarom is dit bereken ook die gemiddelde in die geval waar ek het 2 jaar van waarnemings. Die goeie nuus is dat ek myself kan uitskakel dié waarnemings. Ek plaas die bogenoemde, want ek wil hê jy moet verstaan wat ek nodig het presies. Ek wil die alfa en beta, elkeen in een kolom hê sodat ek dit kan gebruik om hulle agteruitgang op ander veranderlikes. Daarom, in die jaar 1995 vir die fonds nie 100 wat 11 maandelikse waarnemings vir voorbeeld het, wil ek die alfa-opbrengs van die van die 3 jaar rollende (1995,1994,1993) CAPM / 4 faktor CAPM regressie in die herhaal 11 rye-selle van die alfa kolom. Dieselfde geld vir beta. Ek het aansoek gedoen die Mata-kode met 'n paar veranderinge egen g groep (crspfundno) gen alfa. Mata Mata duidelik stview (crspfundno. quotcrspfundno quot) stview (ryear. quotryearquot) stview (VWExcRetGr. quotVWExcRetGrquot) stview (mktrf. quotmktrfquot) stview (SMB. quotsmbquot) stview (HML. quothmlquot) stview (UMD. quotumdquot) stview (g. quotgquot) stview (alfa. quotalphaquot) p panelsetup (crspfundno, 1) vir (i1 iltrows (p) i) vir (OPI, 2 ogtpi, 1 o--) y J (1,1 ,.) XJ (1,5 ,.) b. vir (om tgtpi, 1 t--) indien (gaan, 1 GT, 1 amp ryearo, 1 - ryeart, 1 LT 2) jj VWExcRetGrt, 1 XX (mktrft, 1, smbt, 1, hmlt, 1, umdt, 1 , 1) jj (2..rows (y)) ,. XX (2..rows (X)) ,. As (rye (y) gt6) b invsym (kruisie (X, X)) kruis (X, Y) alphao, 1 b5,1 einde maar die uitkoms is hierdie een en dit nie die geval sluit beta sowel. Kan jy my asseblief help fundno ryear maand g Alpha 5487 2001 1 478 -.0045781 5487 2001 2 478 -.0049922 5487 2001 3 478 -.0044039 5487 2001 4 478 -.0058963 5487 2001 5 478 -.0057021 5487 2001 6 478 - .0037893 5487 2001 7 478 -.0046226 5487 2001 8 478 -.0027665 5487 2001 9 478 -.0037288 5487 2002 1 478 .0009866 5487 2002 2 478 .0019246 5487 2002 3 478 .0019994 5487 2002 4 478 .002021 5487 2002 5 478 .0025631 5487 2002 6 478 .0019815 5487 2002 7 478 .0037848 5487 2002 8 478 .0035144 5487 2002 9 478 .003802 5487 2002 10 478 .0012915 5487 2002 11 478 .0016832 5487 2002 12 478 .0015888 Ek is nie seker of Ek verstaan jou. Maar die herhaling van die raad in die draad waaraan ek bedoel jy vroeër oor nie met behulp van Mata-kode terwyl Stata kode is beskikbaar, hier is 'n aangepaste kode van daardie draad dat die rollende regressie sal doen. Dit sal jou baie tyd in beslag neem as jy 'n groot datastel. Laat my weet as dit neem jou baie tyd. Ek raai jou aan om die resultate te gaan. 6 November 2014, 08:51 Aan Abraham: Regtig vinnig Mata-kode. Ek benodig net 1 minuut in plaas van 2 uur. Verder is dit werk beter as dit gee terug ontbrekende waardes as ek het net een jaar waarneming. Dankie regtig baie. Een laaste vraag. As ek moet die CAPM regressie, wat beteken dat slegs VWExcRetGr en mktrf, maar nie die SMB HML UMD, is dit hoe die kode moet wees soos gen Alpha. gen bMktrf. Mata Mata duidelik stview (crspfundno. quotcrspfundnoquot) stview (ryear. quotryearquot) stview (VWExcRetGr. quotVWExcRetGrquot) stview (mktrf. quotmktrfquot) stview (Alpha. quotAlphaquot) stview (bMktrf. quotbMktrfquot) p panelsetup (crspfundno, 1) vir (i1 iltrows (p) i) vir (OPI, 1 oltpi, 2 o) y VWExcRetGro, 1 X (mktrfo, 1. 1) b. vir (TPI, 1 tltpi, 2 t) as (om amp crspfundnoo, 1 crspfundnot, 1 amp (ryearo, 1 - ryeart, 1 LT 2) amp ryearo, 1 GT ryeart, 1) jj VWExcRetGrt, 1 XX (mktrft, 1 . 1) As (rye (y) gt6) b invsym (kruisie (X, X)) kruis (X, y) Alphao, 1 b2,1 bMktrfo, 1 b1,1 In jou kode, jy bereken standaardafwyking deur land en bedryf (met behulp van 'n opsomming), maar dan is dit waarde in SDX van ander coutries vervang jy (in die binneste lus). Is dit wat jy wil doen wat ek geskryf het die Mata-kode veronderstelling dat jy die standaardafwyking per land en bedryf bereken. As jy wil bereken per land en nywerheid wat jy nodig het om by te voeg: Hier is die Mata-kode (dit bere die standaardafwyking ook wanneer die venster is minder as 4 jaar):
No comments:
Post a Comment