主要内容

transprobprep

预处理信用评级数据，估计转移概率

折叠整个页面

语法

[prepData] = transprobprep(数据)
[prepData] = transprobprep (＿＿＿、名称、值)

描述

例子

［prepData) = transprobprep (数据）对信用评级历史数据(即信用迁移数据)进行预处理，以便随后估计迁移概率。

例子

［prepData) = transprobprep (＿＿＿，名称,值）添加可选的名称-值对参数。

例子

全部折叠

打开生活的脚本

从文件中加载输入数据Data_TransProb.mat并显示前10行。在本例中，输入以字符向量格式提供。

负载Data_TransProb%预处理信用评级数据。prepData = transprobprep(数据)
prepData =结构体字段:idStart: [156x1 double] numericDates: [4315x1 double] numericRatings: [4315x1 double] rating: [4315x1 double] ratings标签:{'AAA' 'AA' 'A' 'BBB' 'BB' 'B' 'CCC' 'D'}

使用默认设置估计转换概率。

transMat = transprob (prepData)
transMat =8×893.1170 5.8428 0.8232 0.1763 0.0376 0.0012 0.0001 0.0017 1.6166 93.1518 4.3632 0.6602 0.1626 0.0055 0.0004 0.0396 0.1237 2.9003 92.2197 4.0756 0.5365 0.0661 0.0028 0.0753 0.0236 0.2312 5.0059 90.1846 3.7979 0.4733 0.0642 0.2193 0.1134 0.6357 5.7960 88.9866 3.4497 0.2919 0.7050 0.1081 0.8697 7.3366 86.7215 2.5169 2.4399 0.00020.0011 0.0120 0.2582 1.4294 4.2898 81.2927 12.7167 0000 000 100.000

估计转移概率“队列”算法。

transMatCoh = transprob (prepData,“算法”，“队列”）
transMatCoh =8×893.1345 5.9335 0.7456 0.1553 0.0311 0 0 0 1.7359 92.9198 4.5446 0.6046 0.1560 0 0 0.0390 0.1268 2.9716 91.9913 4.3124 0.4711 0.0544 0.0725 0.0210 0.3785 5.0683 89.7792 4.0379 0.4627 0.0421 0.2103 0.0221 0.1105 0.6851 6.2320 88.3757 3.6464 0.2873 0.6409 0 0 0.0761 0.7230 7.9909 86.1872 2.7397 2.2831 0 0 0 0.3094 1.8561 4.5630 80.8971 12.3743 0 0 00 0 0 0 100.0000

输入参数

全部折叠

信用评级的历史输入数据，指定为以下之一:

  • 一个MATLAB®表的大小nRecords——- - - - - -3.包括信用评级。每行包含一个ID(第1列)、一个日期(第2列)和一个信用评级(第3列)。分配的信用评级对应于关联日期上的关联ID。与相同ID对应的所有信息必须存储在相邻行中。不需要按日期对这些信息进行排序，但为了提高效率，建议这样做。在使用MATLAB表输入时，列的名称是无关的，但假设ID、日期和评级信息分别位于第一列、第二列和第三列。另外，在使用表输入时，第一列和第三列可以是分类数组，第二列可以是日期时间数组。下面是一个表格格式的所有信息示例:

    身份证号评级  __________ _____________ ______ ' 00010283 10 - 11月- 1984 ' ' ' ' CCC ' ' 00010283 ' ' 12 - 5月- 1986 ' ' B ' ' 00010283 ' '截止1988年6月29日的“CCC”“00010283”“12 - 12月- 1991 ' ' D ' ' 00013326 ' ' 09 - 2月- 1985 ' ' ' ' 00013326 ' ' 24 - 2月- 1994“AA”

    下面总结了表输入支持的数据类型:万博1manbetx

    数据输入类型 ID(第1列) 日期(2列) 评级(第3列)
    表格

    • 数字数组

    • 字符向量的单元格数组

    • 分类数组

    • 数字数组

    • 字符向量的单元格数组

    • Datetime数组

    • 数字数组

    • 字符向量的单元格数组

    • 分类数组

  • 大小的单元格数组nRecords——- - - - - -3.包括信用评级。每行包含一个ID(第1列)、一个日期(第2列)和一个信用评级(第3列)。分配的信用评级对应于关联日期上的关联ID。与相同ID对应的所有信息必须存储在相邻行中。不需要按日期排序这些信息，但建议这样做。id、日期和评级以字符向量格式存储，但也可以以数字格式输入。下面是一个以字符矢量格式显示所有信息的例子:

    '00010283' '10- 11 -1984' 'CCC' '00010283' '12-May-1986' 'B' '00010283' '29- june -1988' 'CCC' '00010283' '12- december -1991' 'D' '00013326' '09-Feb-1985' 'A' '00013326' '24-Feb-1994' 'AA'

    下面总结了单元格阵列输入支持的数据类型:万博1manbetx

    数据输入类型 ID(第1列) 日期(2列) 评级(第3列)
    细胞

    • 数字元素

    • 特征向量元素

    • 数字元素

    • 特征向量元素

    • 数字元素

    • 特征向量元素

数据类型:表格|细胞

名称-值参数

指定可选的用逗号分隔的对名称,值参数。的名字参数是name和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:prepData = transprobprep(数据、“标签”{“AAA级”、“AA”、“,“BBB”,“BB”、“B”,“CCC”、“F”})

信用等级量表，指定为由“标签”和一个nRatings——- - - - - -1,或1——- - - - - -nRatings字符向量的单元格数组。

标签必须与第三列中使用的评级标签一致数据．数字评级使用数字单元格数组，分类评级使用字符向量单元格数组。

数据类型:细胞

输出参数

全部折叠

与每个公司相对应的信用评级信息开始和结束的摘要，返回一个具有以下字段的结构:

  • idStart-大小数组(nid + 1) 1,n的第1列中不同id的个数数据．这个数组总结了与每个公司相对应的信用评级信息的起始和结束位置。公司对应的日期和评级j在数据从行中存储idStart（j)行idStart（j+ 1)−1的numericDates和numericRatings．

  • numericDates-大小数组n人的记载,1的第2栏中包含日期数据，以数字格式显示。

  • numericRatings-大小数组n人的记载,1的第3列中的评级数据，映射为数字格式。

  • ratingsLabels-大小单元格数组1——- - - - - -nRatings，包含信用评级量表。

另请参阅

||

主题

外部网站

介绍了R2011b

金融工具的文档

万博1manbetx

用MATLAB建模财务风险的实用指南

用MATLAB建模财务风险的实用指南

下载电子书