Ich habe ein Problem, ein Stück Papier zu verstehen. Schätzen Sie jeden Hinweis oder Hilfe. Es sagt: Ein Sensor zeichnet Z (i) in Intervallen von 1 Sekunde auf und berechnet die Hintergrundwerte U (i) mit der Formel: wobei R ein konstanter Faktor ist und U (0) aus Vormessdaten berechnet wird. Nun, irgendeine Idee, ob diese Formel berühmt ist Ist es ein zweimaliges Gauß-Mischgeräusch Dann sagt es genau so: Die Varianz U (i) dieser Werte wird aus den berechneten Werten U (i) berechnet: wobei k Sigma ist Faktor und T ist die gegebene Messzeit. Ich habe keine Ahnung, wie die Varianz so etwas wurde. Ich verstehe den Begriff T und die sqrt Funktion aber die Gesamtformel, keine idea. Exploring Die exponentiell gewichtete Moving Average Volatilität ist die häufigste Maßnahme des Risikos, aber es kommt in mehreren Geschmacksrichtungen. In einem früheren Artikel haben wir gezeigt, wie man einfache historische Volatilität berechnet. (Um diesen Artikel zu lesen, siehe Volatilität verwenden, um zukünftiges Risiko zu beurteilen.) Wir haben Googles aktuelle Aktienkursdaten verwendet, um die tägliche Volatilität auf der Grundlage von 30 Tagen Lagerbestand zu berechnen. In diesem Artikel werden wir die einfache Volatilität verbessern und den exponentiell gewichteten gleitenden Durchschnitt (EWMA) diskutieren. Historische Vs. Implizite Volatilität Zuerst können wir diese Metrik in ein bisschen Perspektive bringen. Es gibt zwei breite Ansätze: historische und implizite (oder implizite) Volatilität. Der historische Ansatz geht davon aus, dass Vergangenheit Prolog ist, messen wir die Geschichte in der Hoffnung, dass es prädiktiv ist. Implizite Volatilität hingegen ignoriert die Geschichte, die sie für die Volatilität der Marktpreise löst. Es hofft, dass der Markt am besten weiß und dass der Marktpreis, auch wenn implizit, eine Konsensschätzung der Volatilität enthält. (Für verwandte Lesung siehe die Verwendungen und Grenzen der Volatilität.) Wenn wir uns nur auf die drei historischen Ansätze konzentrieren (links oben), haben sie zwei Schritte gemeinsam: Berechnen Sie die Reihe der periodischen Renditen Bewerben Sie ein Gewichtungsschema Zuerst haben wir Berechnen Sie die periodische Rückkehr. Das ist in der Regel eine Reihe von täglichen Renditen, bei denen jede Rendite in kontinuierlich zusammengesetzten Begriffen ausgedrückt wird. Für jeden Tag nehmen wir das natürliche Protokoll des Verhältnisses der Aktienkurse (d. h. der Preis heute geteilt durch den Preis gestern und so weiter). Dies führt zu einer Reihe von täglichen Renditen, von u i zu u i-m. Je nachdem wie viele Tage (m Tage) wir messen. Das bringt uns zum zweiten Schritt: Hier unterscheiden sich die drei Ansätze. In dem vorherigen Artikel (mit Volatility To Gauge Future Risk), haben wir gezeigt, dass unter ein paar akzeptablen Vereinfachungen, die einfache Varianz ist der Durchschnitt der quadrierten Renditen: Beachten Sie, dass dies summiert jede der periodischen Renditen, dann teilt diese Summe durch die Anzahl der Tage oder Beobachtungen (m). Also, es ist wirklich nur ein Durchschnitt der quadratischen periodischen Rückkehr. Setzen Sie einen anderen Weg, jede quadratische Rückkehr wird ein gleiches Gewicht gegeben. Wenn also Alpha (a) ein Gewichtungsfaktor ist (speziell 1 m), dann sieht eine einfache Varianz so aus: Die EWMA verbessert sich auf einfache Abweichung Die Schwäche dieses Ansatzes ist, dass alle Renditen das gleiche Gewicht verdienen. Gestern (sehr neuere) Rückkehr hat keinen Einfluss mehr auf die Varianz als die letzten Monate zurück. Dieses Problem wird durch die Verwendung des exponentiell gewichteten gleitenden Durchschnitts (EWMA) behoben, bei dem neuere Renditen ein größeres Gewicht auf die Varianz haben. Der exponentiell gewichtete gleitende Durchschnitt (EWMA) führt Lambda ein. Der als Glättungsparameter bezeichnet wird. Lambda muss kleiner als eins sein. Unter dieser Bedingung wird anstelle von gleichen Gewichten jede quadrierte Rendite mit einem Multiplikator wie folgt gewichtet: Zum Beispiel neigt RiskMetrics TM, ein Finanzrisikomanagement-Unternehmen, dazu, ein Lambda von 0,94 oder 94 zu verwenden. In diesem Fall ist das erste ( (1 - 0,94) (94) 0 6. Die nächste quadratische Rückkehr ist einfach ein Lambda-Vielfaches des vorherigen Gewichts in diesem Fall 6 multipliziert mit 94 5,64. Und das dritte vorherige Tagegewicht ist gleich (1-0,94) (0,94) 2 5,30. Das ist die Bedeutung von Exponential in EWMA: jedes Gewicht ist ein konstanter Multiplikator (d. h. Lambda, der kleiner als eins sein muss) des vorherigen Tagegewichts. Dies stellt eine Varianz sicher, die gewichtet oder voreingenommen auf neuere Daten ist. (Um mehr zu erfahren, schau dir das Excel-Arbeitsblatt für Googles-Volatilität an.) Der Unterschied zwischen einfacher Volatilität und EWMA für Google ist unten dargestellt. Die einfache Volatilität wirkt effektiv jede periodische Rendite um 0,196, wie in Spalte O gezeigt (wir hatten zwei Jahre täglich Kursdaten, das sind 509 tägliche Renditen und 1509 0,196). Aber beachten Sie, dass Spalte P ein Gewicht von 6, dann 5.64, dann 5.3 und so weiter zuteilt. Das ist der einzige Unterschied zwischen einfacher Varianz und EWMA. Denken Sie daran: Nachdem wir die ganze Serie (in Spalte Q) zusammengefasst haben, haben wir die Varianz, die das Quadrat der Standardabweichung ist. Wenn wir Volatilität wollen, müssen wir uns daran erinnern, die Quadratwurzel dieser Varianz zu nehmen. Was ist der Unterschied in der täglichen Volatilität zwischen der Varianz und EWMA im Googles-Fall Sein signifikant: Die einfache Varianz gab uns eine tägliche Volatilität von 2,4, aber die EWMA gab eine tägliche Volatilität von nur 1,4 (siehe die Kalkulationstabelle für Details). Anscheinend hat sich die Googles-Volatilität in jüngster Zeit niedergelassen, eine einfache Varianz könnte künstlich hoch sein. Heutige Varianz ist eine Funktion von Pior Days Variance Youll bemerken wir brauchten, um eine lange Reihe von exponentiell abnehmenden Gewichten zu berechnen. Wir werden die Mathematik hier nicht machen, aber eines der besten Features der EWMA ist, dass die ganze Serie bequem auf eine rekursive Formel reduziert: Rekursive bedeutet, dass heutige Varianzreferenzen (d. h. eine Funktion der vorherigen Tagesabweichung) ist. Sie finden diese Formel auch in der Kalkulationstabelle, und sie erzeugt genau das gleiche Ergebnis wie die Langzeitberechnung Es heißt: Die heutige Varianz (unter EWMA) ist gleichbedeutend mit der vulkanischen Varianz (gewichtet durch Lambda) plus gestern quadrierte Rückkehr (gewogen von einem Minus Lambda). Beachten Sie, wie wir nur zwei Begriffe zusammenfügen: gestern gewichtete Varianz und gestern gewichtet, quadratische Rückkehr. Dennoch ist Lambda unser Glättungsparameter. Ein höheres Lambda (z. B. RiskMetrics 94) zeigt einen langsamen Abfall in der Serie an - in relativer Hinsicht werden wir mehr Datenpunkte in der Serie haben und sie werden langsamer abfallen. Auf der anderen Seite, wenn wir das Lambda reduzieren, zeigen wir einen höheren Zerfall an: die Gewichte fallen schneller ab, und als direkte Folge des schnellen Zerfalls werden weniger Datenpunkte verwendet. (In der Kalkulationstabelle ist Lambda ein Eingang, also kannst du mit seiner Empfindlichkeit experimentieren). Zusammenfassung Volatilität ist die momentane Standardabweichung eines Bestandes und die häufigste Risikometrität. Es ist auch die Quadratwurzel der Varianz. Wir können die Abweichung historisch oder implizit (implizite Volatilität) messen. Wenn man historisch misst, ist die einfachste Methode eine einfache Varianz. Aber die Schwäche mit einfacher Abweichung ist, dass alle Renditen das gleiche Gewicht bekommen. So stehen wir vor einem klassischen Kompromiss: Wir wollen immer mehr Daten, aber je mehr Daten wir haben, desto mehr wird unsere Berechnung durch entfernte (weniger relevante) Daten verdünnt. Der exponentiell gewichtete gleitende Durchschnitt (EWMA) verbessert die einfache Varianz durch die Zuordnung von Gewichten zu den periodischen Renditen. Auf diese Weise können wir beide eine große Stichprobengröße verwenden, aber auch ein größeres Gewicht auf neuere Renditen geben. (Um ein Film-Tutorial zu diesem Thema zu sehen, besuchen Sie die Bionische Schildkröte.) Beta ist ein Maß für die Volatilität oder das systematische Risiko eines Wertpapiers oder eines Portfolios im Vergleich zum Markt als Ganzes. Eine Art von Steuern, die auf Kapitalgewinne von Einzelpersonen und Kapitalgesellschaften angefallen sind. Kapitalgewinne sind die Gewinne, die ein Investor ist. Ein Auftrag, eine Sicherheit bei oder unter einem bestimmten Preis zu erwerben. Ein Kauflimitauftrag erlaubt es Händlern und Anlegern zu spezifizieren. Eine IRS-Regel (Internal Revenue Service), die strafrechtliche Abhebungen von einem IRA-Konto ermöglicht. Die Regel verlangt das. Der erste Verkauf von Aktien von einem privaten Unternehmen an die Öffentlichkeit. IPOs werden oft von kleineren, jüngeren Unternehmen ausgesucht. DebtEquity Ratio ist Schuldenquote verwendet, um ein Unternehmen039s finanzielle Hebelwirkung oder eine Schuldenquote zu messen, um eine Person zu messen. Der EWMA-Ansatz hat ein attraktives Merkmal: Es erfordert relativ wenig gespeicherte Daten. Um unsere Schätzung an jedem Punkt zu aktualisieren, benötigen wir nur eine vorherige Schätzung der Varianzrate und des letzten Beobachtungswertes. Ein sekundäres Ziel der EWMA ist es, Veränderungen in der Volatilität zu verfolgen. Für kleine Werte beeinflussen die jüngsten Beobachtungen die Schätzung umgehend. Bei Werten, die näher an einer liegen, ändert sich die Schätzung langsam auf der Grundlage der jüngsten Änderungen der Renditen der zugrunde liegenden Variablen. Die RiskMetrics-Datenbank (von JP Morgan produziert und öffentlich zugänglich gemacht) nutzt die EWMA mit der Aktualisierung der täglichen Volatilität. WICHTIG: Die EWMA-Formel übernimmt keine langfristige durchschnittliche Abweichung. So ist das Konzept der Volatilität die Reversion nicht von der EWMA erfasst. Die ARCHGARCH Modelle sind dafür besser geeignet. Ein sekundäres Ziel von EWMA ist es, Veränderungen in der Volatilität zu verfolgen, so dass für kleine Werte die jüngste Beobachtung die Schätzung umgehend beeinflussen wird, und für Werte, die näher an einem liegen, ändert sich die Schätzung langsam zu den jüngsten Veränderungen der Renditen der zugrunde liegenden Variablen. Die RiskMetrics-Datenbank (produziert von JP Morgan), die 1994 veröffentlicht wurde, nutzt das EWMA-Modell mit der Aktualisierung der täglichen Volatilitätsschätzung. Das Unternehmen stellte fest, dass über eine Reihe von Marktvariablen, dieser Wert der Prognose der Varianz, die am nächsten zu realisierten Varianz Rate kommt. Die realisierten Abweichungsraten an einem bestimmten Tag wurden in den folgenden 25 Tagen als gleichgewichteter Durchschnitt berechnet. Um den optimalen Wert von Lambda für unseren Datensatz zu berechnen, müssen wir die realisierte Volatilität an jedem Punkt berechnen. Es gibt mehrere Methoden, so wählen Sie eine. Als nächstes berechnen Sie die Summe der quadratischen Fehler (SSE) zwischen EWMA-Schätzung und realisierte Volatilität. Schließlich minimiere die SSE durch Variieren des Lambdawertes. Klingt einfach Es ist. Die größte Herausforderung besteht darin, einen Algorithmus zu vereinbaren, um die verwirklichte Volatilität zu berechnen. Zum Beispiel wählten die Leute bei RiskMetrics den folgenden 25-Tage-Tag, um die realisierte Varianzrate zu berechnen. In Ihrem Fall können Sie einen Algorithmus wählen, der Tägliche Volumen-, HILO - und OPEN-CLOSE-Preise nutzt. Q 1: Können wir EWMA verwenden, um die Volatilität mehr als einen Schritt voraus zu schätzen Die EWMA-Volatilitätsdarstellung nimmt keine langjährige durchschnittliche Volatilität ein, und für jeden prognostizierten Horizont über einen Schritt hinaus gibt die EWMA eine Konstante zurück Value: Ableitung der Varianz der exponentiell gewichteten Diese Vorschau zeigt die Seiten 38ndash42. Melden Sie sich an, um den vollständigen Inhalt anzuzeigen. Ableiten der Varianz des exponentiell gewichteten gleitenden Durchschnitts z i. 0 22 0 2 var () var (1)) var () 2 j t t j j j tj j Zx x n 6154861548 6154861555 61548 61605 61485 61501 61605 61485 61501 6167361689 6150161485 61669 6167461690 6167061686 616961686 61501 6167161687 61485 6167261688 9,39. Äquivalenz der gleitenden durchschnittlichen und exponentiell gewichteten gleitenden Durchschnittskontrollen. Zeigen Sie, dass, wenn 61548 2 (w 1) für das EWMA-Kontrollschema ist, dieses Diagramm äquivalent zu einem w-periodischen gleitenden Durchschnittskontrolldiagramm in dem Sinne ist, dass die Steuergrenzen im stationären Zustand identisch sind. Für das EWMA-Diagramm sind die Steady-State-Regelgrenzen 3 (2) xn 61555 61617 61485. Einsetzen von 61548 2 (w 1), 2 13 1 33 2 2 1 wxxx wn wn nw 6155561555 61483 61617 61501 61617 61501 61617 61485 61483. Die sind die gleichen wie die Grenzen für die MA-Chart. 9,40. Fortsetzung der Übung 9.39. Zeigen Sie, dass, wenn 61548 2 (w 1), dann die durchschnittlichen ldquoagesrdquo der Daten, die bei der Berechnung der Statistik z i und M i verwendet werden, identisch sind. Das Durchschnittsalter der Daten in einem w-Periode-gleitenden Durchschnitt beträgt 1 0 11 2 w j w j w 61485 61501 61485 61501 61669. Im EWMA beträgt das Gewicht, das einem Stichprobenmittel gegeben wird, vor 61548 (1 - 61548) j. So ist das Durchschnittsalter 0 1) j j j 61605 61501 61485 6148561501 61669. Durch gleichzeitige Durchschnittsalter: 2 2 1 w w 6148561485 61501 61501 61483 Diese Vorschau hat absichtlich verschwommene Abschnitte. Melden Sie sich an, um die Vollversion anzuzeigen. KUMULATIVE SUMME UND EXPONENTIELL GEWICHTETE BEWEGLICHE DURCHSCHNITTSTEUERUNGSKARTEN 9-39 9.41. Zeigen Sie, wie die Regelgrenzen für das gleitende Durchschnittskontrolldiagramm geändert werden, wenn rationale Untergruppen der Größe n gt 1 in jeder Periode beobachtet werden und das Ziel des Kontrolldiagramms darin besteht, den Prozessmittel zu überwachen. Für n gt 1, 00 33 Kontrollgrenzen w n wn 6155561555 6154961549 6167061686 61501 61617 61501 61617 6167161687 6167261688 9.42. Ein Shewhart x-Diagramm hat eine Mittellinie bei 10 mit UCL 16 und LCL 4. Angenommen, Sie möchten dieses Diagramm mit einem EWMA-Kontrollschema mit 61548 0,1 und der gleichen Kontrollgrenze in 61555 - Einheiten ergänzen, wie sie auf dem x-Diagramm verwendet werden. Was sind die Werte der steady-state oberen und unteren Kontrollgrenzen auf dem EWMA-Diagramm x Chart: CL 10, UCL 16, LCL 4 UCL CL 16 10 6 xxxkkk 61555 6150161483 6150161485 61501 EWMA-Diagramm: UCL CL (2) CL 0.1 ( 2 0,1) 10 6 (0,2294) 11,3765 LCL 10 6 (0,2294) 8,6236 ln 61548 61501 61483 61485 61501 61483 61485 61501 61483 61501 61501 61485 61501 9,43 Ein EWMA-Kontrollschema verwendet 61548 0,4. Wie breit sind die Grenzen auf dem Shewhart-Kontrollschema, ausgedrückt als Vielfaches der Breite der stationären EWMA-Grenzwerte Für EWMA sind Steady-State-Grenzwerte (2) L 61555 61548 6161761485 Für Shewhart sind Steady-State-Grenzen k 61617) 0,4 (2 0,4) 0,5 kL 61501 9-40 KAPITEL 9 KUMULATIVE SUMME UND EXPONENTIELL GEWICHTTE BEWEGLICHE DURCHSCHNITTSTEUERUNGSKARTEN 9.44. Betrachten Sie die Ventilausfalldaten in Beispiel 7.6. Richten Sie ein CUSUM-Diagramm ein, um die Zeit zwischen den Ereignissen zu überwachen, die den in diesem Beispiel dargestellten transformierten Variablenansatz verwenden. Verwenden Sie standardisierte Werte von h 5 und k frac12. Die beiden Alternativen, um ein CUSUM-Diagramm mit transformierten Daten zu zeichnen, sind: 1. Verwandeln Sie die Daten, das Ziel (falls gegeben) und die Standardabweichung (falls gegeben), dann verwenden Sie diese Ergebnisse im Dialogfeld CUSUM-Diagramm oder 2. Verwandeln Sie das Ziel (Falls gegeben) und Standardabweichung (falls gegeben), dann verwenden Sie die Box-Cox-Registerkarte unter CUSUM-Optionen, um die Daten zu transformieren. Die Lösung unten verwendet Alternative 2. Diese Vorschau hat absichtlich verschwommene Abschnitte. Melden Sie sich an, um die Vollversion anzuzeigen. KUMULATIVE SUMME UND EXPONENTIELL GEWICHTETE BEWEGLICHE DURCHSCHNITTSTEUERUNGSKARTEN 9-41 9.44. Fortsetzung Von Beispiel 7.6 verwandeln Sie die Zeit-zwischen-Ausfälle (Y) - Daten in eine annähernd normale Verteilung mit X Y 0.2777. TY 700, TX 700 0.2777 6.167, k 0.5, h 5 MTB gt Stat gt Kontrollkarten gt Zeitgewichtete Diagramme gt CUSUM Ein einseitiger unterer CUSUM wird benötigt, um eine Erhöhung der Ausfallrate zu detektieren, oder gleichermaßen eine Abnahme der Zeit - Zwischen-fehlern Bewerten Sie den unteren CUSUM auf dem Minitab-Diagramm, um die Stabilität zu beurteilen. Dies ist das Ende der Vorschau. Melden Sie sich an, um auf den Rest des Dokuments zuzugreifen. Diese Hausaufgabenhilfe wurde auf 10302016 für den Kurs IE 672, der von Professor Abdou während des Herbstes 03914 unter NJIT gelehrt wurde, hochgeladen. Klicken Sie hier, um die Dokumentdetails zu bearbeiten
No comments:
Post a Comment