主要内容

simulatenormalscenariosbydata.

从数据中模拟多元正态资产收益场景

全部折叠到页面中

用一个弗林特对象的assetreturn.争论simulatenormalscenariosbydata.不推荐。使用时间表而是对于财务时间序列。有关更多信息，请参阅将财务时间序列对象转换为时间表．

语法

obj = simulateNormalScenariosByData (obj AssetReturns)
obj = simulateNormalScenariosByData (obj, AssetReturns NumScenarios,名称,值)

描述

例子

obj.= simulateNormalScenariosByData (obj.，assetreturn.）模拟来自Portfolio对象的数据的多变量普通资产返回方案PortfolioCVaR或者Portfoliomad.对象。有关工作流的详细信息，请参阅portfoliocvar对象工作流程， 和PortfolioMAD对象的工作流．

例子

obj.= simulateNormalScenariosByData (obj.，assetreturn.，NumScenarios，名称，价值）模拟来自Portfolio对象的数据的多变量普通资产返回方案PortfolioCVaR或者Portfoliomad.对象使用一个或多个指定的其他选项名称，价值对论点。

此功能估计资产从价格或返回数据返回的均值和协方差，然后使用这些估计来生成具有该函数的指定数量的方案mvnrnd.．

数据可以在一个numsamples.-经过-NumAssets矩阵的numsamples.的集合按给定周期的价格或返回NumAssets资产，A桌子或者时间表．

请注意

如果要多次使用该方法，并且每次调用函数时都要模拟相同的方案，请在每个函数调用之前RNG.（种子）使用指定的整数种子。

例子

全部收缩

打开直播脚本

给定一个PortfolioCVaR对象p,可以使用simulatenormalscenariosbydata.模拟多变量正常资产返回方案的功能。

m = [0.05;0.1;0.12;0.18];C = [0.0064 0.00408 0.00192 0;0.00408 0.0289 0.0204 0.0119;0.00192 0.0204 0.0576 0.0336;0 0.0119 0.0336 0.1225];m = m / 12;C = C / 12; RawData = mvnrnd(m, C, 240); NumScenarios = 2000; p = PortfolioCVaR; p = simulateNormalScenariosByData(p, RawData, NumScenarios)
p = PortfolioCVaR with properties: BuyCost: [] SellCost: [] RiskFreeRate: [] ProbabilityLevel: [] Turnover: [] BuyTurnover: [] SellTurnover: [] NumScenarios: 2000 Name: [] NumAssets: 4 AssetList: [] InitPort: [] ainequity: [] bInequality: [] AEquality: [] bEquality: [] LowerBound: [] UpperBound: [] LowerBudget: [] UpperBudget: [] GroupMatrix:[] LowerGroup: [] UpperGroup: [] GroupA: [] GroupB: [] LowerRatio: [] UpperRatio: [] MinNumAssets: [] MaxNumAssets: [] BoundType: []
p = setDefaultConstraints（p）;p = setProbabyLevel（p，0.9）;DISP（P）;
PortfolioCVaR with properties: BuyCost: [] SellCost: [] RiskFreeRate: [] ProbabilityLevel: 0.9000 Turnover: [] BuyTurnover: [] SellTurnover: [] NumScenarios: 2000 Name: [] NumAssets: 4 AssetList: [] InitPort: [] ainequal: [] bInequality: [] AEquality: [] bEquality: [] LowerBound: [4x1 double] UpperBound: [] LowerBudget: 1 UpperBudget:1 GroupMatrix: [] LowerGroup: [] UpperGroup: [] grouppa: [] GroupB: [] LowerRatio: [] UpperRatio: [] MinNumAssets: [] MaxNumAssets: [] BoundType: [4x1 categorical]
打开直播脚本

创建portfoliocvar对象p并使用simulatenormalscenariosbydata.函数已加载市场数据CAPMuniverse.mat模拟多变量普通资产返回方案。市场数据，AssetsTimeTable，是A.时间表的资产回报。

负载Capmuniverse.p = PortfolioCVaR (“AssetList”，资产）;DISP（P）;
NumScenarios: [] Name: [] NumAssets: 14 AssetList: {1x14 cell} InitPort: [] ainequity: [] bequity: [] AEquality: [] bEquality: [] LowerBound: [] UpperBound: [] LowerBudget: [] UpperBudget: [][] GroupMatrix: [] LowerGroup: [] UpperGroup: [] grouppa: [] GroupB: [] LowerRatio: [] UpperRatio: [] MinNumAssets: [] MaxNumAssets: [] BoundType: []

从每个资产的时间表数据中模拟场景CAPMuniverse.mat然后画出有效边界。

p = simulatenormalscenariosbydata（p，assetstimetable，10000，“missingdata”，真的）;p = setDefaultConstraints（p）;p = setProbabyLevel（p，0.9）;PlotFrontier（P）;

图包含轴。带有标题\ Bfefficientier的轴包含类型线的对象。

打开直播脚本

给定一个portfolio omad对象p,可以使用simulatenormalscenariosbydata.模拟多变量正常资产返回方案的功能。

m = [0.05;0.1;0.12;0.18];C = [0.0064 0.00408 0.00192 0;0.00408 0.0289 0.0204 0.0119;0.00192 0.0204 0.0576 0.0336;0 0.0119 0.0336 0.1225];m = m / 12;C = C / 12; RawData = mvnrnd(m, C, 240); NumScenarios = 2000; p = PortfolioMAD; p = simulateNormalScenariosByData(p, RawData, NumScenarios); p = setDefaultConstraints(p); disp(p);
Portfoliomad具有属性：Buycost：[] Sellcost：[]风险犯规：[] Guisturenver：[] Sellturnover：[] NumScenarios：2000名称：[] Numasset：4 assetlist：[] initport：[] aninyBinequality：[] Aequality：[]胎粪：[]下行：[4x1双]上行：[] upperBudget：1 upperBudget：1 GroupMatrix：[]较低组：[]上组：[] Groupa：[] GroupB：GroupB[] Upperratio：[] minnumassets：[] maxnumassets：[] Fundype：[4x1分类]
打开直播脚本

创建PortfolioMAD对象p并使用simulatenormalscenariosbydata.函数已加载市场数据CAPMuniverse.mat模拟多变量普通资产返回方案。市场数据，AssetsTimeTable，是A.时间表的资产回报。

负载Capmuniverse.p = portfoliomad（“AssetList”，资产）;disp（p.assetlist'）;
{'aapl'} {'amzn'} {'csco'} {'戴尔'} {'eBay'} {'goog'} {'goog'} {'hpq'} {'hpq'} {'ibm'} {'INC'} {'INTC'} {'intc'} {'msft'}{'orcl'} {'yhoo'} {'market'} {'cash'}

从每个资产的时间表数据中模拟场景CAPMuniverse.mat然后画出有效边界。

p = simulatenormalscenariosbydata（p，assetstimetable，10000，“missingdata”，真的）;p = setDefaultConstraints（p）;PlotFrontier（P）;

图包含轴。带有标题\ Bfefficientier的轴包含类型线的对象。

输入参数

全部收缩

投资组合的对象，使用a指定PortfolioCVaR或者Portfoliomad.目的。

有关创建A的更多信息PortfolioCVaR或者Portfoliomad.对象,看到

数据类型：对象

可以转换为资产返回的资产数据（[numsamples.-经过-NumAssets]矩阵)，指定为矩阵，桌子,或时间表．

assetreturn.数据可以是：

  • numsamples.-经过-NumAssets矩阵。

  • 表格numsamples.的集合按给定周期的价格或返回NumAssets资产

  • 时间表对象numsamples.观察和NumAssets时间序列

数据类型：双倍的|桌子|时间表

要模拟的场景数，指定为正整数。

数据类型：双倍的

名称值对参数

指定可选的逗号分隔对名称，价值论点。的名字参数名和价值是相应的价值。的名字必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1，value1，...，namen，valuen．

例子：p = simulateNormalScenariosByData (p RawData NumScenarios‘DataFormat’,‘返回’,‘MissingData’,真的,GetAssetList,真的)

标志将输入数据转换为返回的价格，指定为逗号分隔对'datomformat'和一个具有值的字符向量：

  • '返回'- 数据in.assetreturn.包含资产总回报。

  • '价格'- 数据in.assetreturn.包含资产总回报价格。

数据类型：char

标志使用ECM算法处理南指定为逗号分隔对的值组成“MissingData”和一个逻辑值真的或者错误的．

  • 错误的- 不要使用ECM算法来处理南值(排除南值)。

  • 真的- 使用ECM算法处理南值。

数据类型：逻辑

指示用于资产列表的资产名称的标志，指定为由逗号分隔的一对'getassetlist'和一个逻辑值真的或者错误的．

  • 错误的—不要提取或创建资产名称。

  • 真的-从表或时间表中提取或创建资产名称。

如果一个桌子或者时间表使用assetreturn.参数和GetAssetList国旗是真的，列名来自桌子或者时间表中用作资产名称obj.assetlist.．

如果通过矩阵和矩阵GetAssetList国旗是真的，默认资产名称是基于AbstractPortfolio财产defaultforassetlist.,这是“资产”．

如果是GetAssetList国旗是错误的，没有动作发生，这是默认行为。

数据类型：逻辑

输出参数

全部收缩

更新后的投资组合对象，返回为PortfolioCVaR或者Portfoliomad.目的。有关创建投资组合对象的详细信息，请参阅

尖端

您还可以使用点表示法来模拟来自Portfoliocvar或Portfoliomad对象的数据的多变量普通资产返回方案。

obj = obj.simulatenormalscenariosbydata（Assetrurns，NumScenarios，名称，价值）;

另请参阅

||

主题

外部网站

在R2012B中介绍

金融工具的文档

万博1manbetx

用MATLAB建模金融风险的实用指南

用MATLAB建模金融风险的实用指南

下载电子书
毫升>