Estoy tratando de determinar un adecuado corte de pelo para una canasta de activos ilíquidos de las poblaciones que apenas comercializado durante el año. Puede alguien me sugiere un enfoque para estimar el riesgo?
Mi conjunto de datos tiene un montón de fechas. Si puedo reemplazar estos espacios en blanco con el precio anterior, cuando se me ocurre una medida de la rentabilidad puedo obtener varios días sin cambio y una fecha con un cambio enorme.
Muchas gracias por cualquier sugerencia.
En general, si les falta un completamente al azar de datos en algunos lugares, usted no tiene que estar preocupado.
Te aconsejo que para utilizar una de las técnicas de imputación:
- Valor anterior - no se puede usar en este caso
- Suposiciones - tiene "conocimiento" acerca de los datos, usted puede tratar de utilizar algunos de interpolación en su mente.
- Común-Punto de Imputación - tratar a un promedio de falta de valor o hacer una interpolación si varios valores que faltan.
- Análisis de regresión o de la media móvil de uso anterior los valores de X para predecir los valores que faltan
Personalmente me iría a por el común punto de imputación.
Para ver más, por favor visite:
7 Maneras De Manejar Los Datos Que Faltan
Vas a tener que hacer un montón de conjeturas, obviamente, así que es mejor mantener las cosas matemáticamente simple. En primer lugar, elegir una "certeza", como algunos cuantil $q$, tal vez alrededor de 0.9, y el correspondiente de la variable aleatoria normal $z=N^{-1}(1-q)$.
Comience por averiguar cuánto tiempo $T_i$ que creo que cada posición $N_i$ llevará a liquidar si es necesario. A continuación, elija algunos de alto percentil (no necesariamente $q$) del 95% y un conjunto general de su horizonte $T$ para el percentil 95 de aquellos liquidación de veces.
$$T = Q_{95}(\{T_i\})$$
Ahora, para cada una de las acciones, el uso de los datos existentes para encontrar un retorno de la beta para el SP500
$$r_i = \beta^{(i)} r_{SP} + \epsilon^{(i)}$$
La varianza $\sigma_i^2$ de los términos de error $\epsilon^{(i)}$ es la "idiosincrasia de varianza para este stock.
Para explicar el hecho de que las correlaciones ir a 1.0 en tiempos de estrés en el mercado, vamos a usar un corte de pelo modelo, donde el SP500 y la idiosincrasia de cada término en la cartera ha experimentado un $p$-pérdida de nivel en el horizonte $T$.
Ignorando las tasas de interés, valoramos cada una de las acciones al precio actual $S_i$ en
$$ P_i = S_i\exp\left[\beta^{(i)} \sigma_{SP} \sqrt{T} z + \sigma_{i} \sqrt{T} z (\beta^{(i)} \sigma_{SP}^2 + \sigma_{i})T/2\derecho]$$
FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.
