Comment pourrais-je savoir combien de points de base deux écarts-types est basé sur le prix au comptant actuel Par exemple, le SampP 500 se négocie à environ 1671,20. Quels sont les deux écarts types - ce nombre Pour composer le problème, je crois comprendre que l'écart-type est basé sur une série chronologique, c'est-à-dire sur les données historiques, mais à quel point les données doivent-elles être retournées? : 44 Première approche La formule de l'écart-type est assez simple dans les cas discrets et continus. Il est généralement sûr d'utiliser le cas discret lorsque vous travaillez avec des prix de clôture ajustés. Une fois que vous avez calculé l'écart-type pour une période de temps donnée, la tâche suivante (dans le cas le plus simple) est de calculer la moyenne de cette même période. Cela vous permet d'approximer approximativement la distribution, ce qui peut vous donner toutes sortes d'hypothèses vérifiables. Deux écarts-types () par rapport à la moyenne () sont donnés par: Il ne semble pas judicieux de parler de deux écarts types par rapport au prix, sauf si ce prix est la moyenne ou une autre statistique pour une période donnée. Normalement, vous verriez à quel point le prix est à partir de la moyenne, par ex. Le prix chute-t-il de deux ou trois écarts-types par rapport à la moyenne ou à un autre indicateur technique comme la moyenne vraie gamme (une moyenne mobile exponentielle de la gamme vraie), un certain niveau de soutien, une autre sécurité, etc. Supposent utiliser la moyenne pour la période de temps choisie comme base. Cependant, la réponse est encore plus compliquée que beaucoup de gens réalisent. Comme je l'ai déjà dit, pour calculer l'écart-type, vous devez décider d'une période. Par exemple, vous pouvez utiliser les données SampP 500 de Yahoo Finance et calculer l'écart-type pour tous les cours de clôture ajustés depuis le 3 janvier 1950. Le téléchargement des données dans Stata et l'application de la commande summary me donne: Le problème Comme vous pouvez probablement le constater , Ces numéros ne font pas beaucoup de sens. En regardant les données, nous pouvons voir que le SampP 500 n'a pas échangé près de 424.4896 depuis novembre 1992. Il est clair que nous ne pouvons supposer que cette moyenne et cet écart-type représentent les conditions actuelles du marché. En outre, ces chiffres impliqueraient que le SampP 500 se négocie actuellement à près de trois écarts-types par rapport à sa moyenne, ce qui pour beaucoup de distribution est un événement hautement improbable. La Grande Récession, l'assouplissement quantitatif, etc. ont peut-être changé considérablement le marché, mais pas dans une si grande mesure. Le problème vient du fait que les prix de titres sont généralement non stationnaires. . Cela signifie que la distribution sous-jacente à partir de laquelle les prix de titres sont tirés se déplace dans le temps et dans l'espace. Par exemple, les prix pourraient être normalement distribués dans les années 50, puis gamma distribués dans les années 60 à cause d'un choc, puis normalement distribués dans les années 70. Cela implique que le calcul des statistiques récapitulatives, p. La moyenne, l'écart-type, etc. sont essentiellement dénuées de sens pour les périodes pendant lesquelles les prix pourraient suivre des distributions multiples. Pour cette raison et pour d'autres raisons, sa pratique courante consiste à examiner l'écart-type des rendements ou des différences au lieu des prix. J'ai exposé en détail les raisons de cette procédure ainsi que diverses à utiliser dans une autre réponse. En bref, vous pouvez calculer la première différence pour chaque période, qui est simplement la différence entre le cours de clôture de cette période et le cours de clôture de la période précédente. Cela vous donnera généralement un processus stationnaire, à partir duquel vous pouvez obtenir des valeurs plus significatives de l'écart-type, la moyenne, etc Laisse utiliser le SampP500 comme un exemple à nouveau. Cette fois-ci, toutefois, je n'utilise que des données à partir de 1990 pour simplifier (et pour rendre les graphes un peu plus faciles à gérer). Les statistiques sommaires ressemblent à ceci: et le graphique ressemble à ceci la moyenne est la ligne rouge horizontale centrale, et les lignes du haut et du bas indiquent un écart-type au-dessus et au-dessous de la moyenne, respectivement. Comme vous pouvez le constater, le graphique semble indiquer qu'il y a eu de longues périodes pendant lesquelles l'indice a été évalué bien en dehors de cette fourchette. Bien que cela puisse être le cas, le graphique montre une tendance, avec certains chocs apparemment exogènes (voir ma réponse liée). Prenant la première différence, cependant, rend ces statistiques sommaires: avec un graphique comme ceci: Cela semble beaucoup plus raisonnable. En période de récession, le prix semble beaucoup plus volatil, et il enfreint les lignes d'écart type indiquées sur le graphique. Ce n'est qu'un résumé simple, mais en utilisant la première différence dans le cadre du processus plus large de détringence décomposer une série chronologique est une bonne première étape. Moyennes mobiles Pour certains indicateurs techniques, cependant, le stationnement n'est pas aussi pertinent. C'est le cas de certains types de moyennes mobiles et de leurs indicateurs associés. Prenez des bandes de Bollinger par exemple. Ce sont des indicateurs techniques qui montrent un certain nombre d'écarts-types au-dessus et en dessous d'une moyenne mobile. Comme tout calcul d'écart-type, moyenne mobile, statistique, etc., ils nécessitent des données sur une période de temps spécifiée. L'analyste choisit un certain nombre de périodes historiques, par ex. 20 et calcule la moyenne mobile pour de nombreuses périodes précédentes et l'écart-type de déplacement pour les mêmes périodes. Les bandes de Bollinger représentent les valeurs d'un certain nombre d'écarts-types par rapport à la moyenne mobile à un moment donné. À ce point donné, vous pouvez calculer la valeur de deux écarts-types de la valeur, mais ce faisant, il faut toujours le prix des actions historiques (ou au moins la moyenne mobile historique). Si vous êtes seulement donné le prix dans l'isolement, vous êtes hors de la chance. Les moyennes mobiles peuvent indirectement contourner certaines des questions de stationnarité que j'ai décrites ci-dessus parce que son simple à estimer une série chronologique avec un processus construit à partir d'une moyenne mobile (spécifiquement, un processus de moyenne mobile auto-régressive), mais l'économétrie des séries chronologiques est un sujet Pour un autre jour. Le code Stata que j'ai utilisé pour générer les graphiques et les statistiques récapitulatives: merci John, je pense qu'il est logique de regarder les différences, l'indicateur technique Average True Range (ATR) fait cela, mais même en tenant compte de ces connaissances, disons ATR 10 sur le Au cours des 30 derniers jours, comment pourrais-je déterminer quot - deux écarts types loin du prix actuel. Deuxièmement, quelles sont les considérations que je devrais prendre lors du choix d'une longueur de temps pour faire ma moyenne, pour un indice boursier ndash CQM May 20 13 at 15:32 La moyenne True Range est une moyenne mobile exponentielle, qui est complètement différente de l'écart type . Les deux sont utilisés pour calculer la volatilité. Mais les calculs et la justification derrière eux sont complètement différents. Le créateur d'ATR recommande une période de 14 jours. Mais je ne peux pas assez souligner que ce n'est pas l'écart-type. Donc demander à propos de quot-2 déviations standard loin du prix n'est pas liée à ATR. Ndash John Bensin May 20 13 at 15:55 Vous pouvez calculer l'écart-type de la gamme True (pas la gamme True moyenne, juste la gamme True). C'est juste une version légèrement plus amusante de la première différence. Voir mes premiers paragraphes, cependant. Il ne semble pas judicieux de parler de deux écarts-types par rapport au prix. Vous devriez regarder le prix par rapport à un autre point de référence, par ex. La moyenne, l'ATR, le niveau de soutien, etc. ndash John Bensin May 20 13 at 16:03 Standard Deviation est un terme mathématique qui est utile dans de nombreux domaines. Il peut être considéré comme une mesure de la façon dont les points de données sont serrés à la moyenne. S'il ya cohérence dans le système de mesure, alors un point qui est deux standard de la moyenne peut être considéré comme un outlier. Il n'a même pas besoin d'être basé sur le temps. Nous pouvons dire qu'un enfant né pesant moins de X livres est plus de 2 écarts-types au-dessous de la moyenne. L'utiliser pour regarder un prix ou une valeur d'indice ne fait pas beaucoup de sens parce que beaucoup s'attendent à y avoir une croissance à long terme. Par exemple, vous ne dirais jamais que vous allez acheter une nouvelle veste pour votre enfant quand ils sont deux écarts-types au-dessus de leur hauteur moyenne. Vous pouvez dire que vous allez acheter ou vendre un instrument financier lorsque le ratio PE est de 2 écarts-types de la moyenne. Il pourrait être la moyenne de l'histoire à long terme, ou l'indice, ou le secteur. Vous pourriez faire la même chose pour le bénéfice par action ou beaucoup d'autres affaires de statistiques financières. Un écart-type calculé à partir d'une série chronologique suppose que la mesure reste normalement dans certaines limites. Et ce dérapage de ces limites est un signe du bon moment pour acheter ou vendre. NOTICE: Le groupe de consultation statistique IDRE sera la migration du site Web au WordPress CMS en Février pour faciliter l'entretien et la création de nouveaux contenus. Certaines de nos anciennes pages seront supprimées ou archivées de sorte qu'elles ne seront plus conservées. Nous essaierons de maintenir les redirections afin que les anciennes URL continuent à fonctionner de la meilleure façon possible. Stata FAQ Comment puis-je obtenir des statistiques descriptives et le résumé de cinq numéros sur une seule ligne Stata fournit l'ordre de résumé qui vous permet de voir la moyenne et l'écart-type , Mais il ne fournit pas le résumé de cinq nombres (min, q25, médiane, q75, max). Vous pouvez utiliser l'option detail, mais vous obtenez une page de sortie pour chaque variable. Si vous voulez obtenir la moyenne, l'écart-type et le résumé de cinq chiffres sur une ligne, vous voulez obtenir la commande univar. La commande univar a été écrite par John R. Gleason et apparaît dans le Stata Technical Bulletin 51. Vous pouvez télécharger univar à partir de Stata en tapant findit univar (voir Comment puis-je utiliser la commande findit pour rechercher des programmes et obtenir de l'aide supplémentaire pour plus d'informations Sur l'utilisation findit). Nous allons illustrer l'utilisation de la commande univar à l'aide de l'école secondaire et au-delà du fichier de données que nous utilisons dans nos Classes Stata. Ici, vous voyez la sortie que vous obtenez de résumer. Voici la sortie que vous pouvez obtenir de univar. Si vous incluez l'option vlabel, elle inclut également les étiquettes des variables dans la table. L'option boxplot affiche un mini boxplot au-dessus de chaque variable. Ici, nous utilisons l'option par (féminin) pour afficher les tableaux séparément pour les mâles et les femelles. Nous pouvons utiliser les options by (female) et onehdr pour obtenir une table avec un en-tête qui peut être un peu plus facile à lire. Ici, nous demandons un boxplot pour la variable write et demandons que les boxplots soient tracés à l'aide de la même échelle (via onescal) afin de pouvoir comparer significativement le boxplot des mâles et femelles. Vous pouvez voir que la médiane du boxplot est plus élevée pour les femelles. (Si nous avions omis l'option onescal, chaque boxplot serait sur sa propre échelle). Pour plus d'informations Pour plus d'informations, consultez l'aide ou le manuel de référence pour résumer. Le contenu de ce site Web ne doit pas être interprété comme un endossement d'un site Web, d'un livre ou d'un produit logiciel particulier par l'Université de Californie. Un avis je l'ai cherché maintenant pendant un certain temps et apprécierais vraiment de l'aide. J'utilise stata12, et j'ai des données de séries temporelles, j'ai besoin de construire une variable qui sera la moyenne de la variable x sur la période t-12 à t-2 et la même pour l'écart-type. Est-il possible de construire un écart-type roulant qui prend la valeur 1 d'une variable, la 2ème de la variable 2. et la 11ème de la variable 11 puis commence à partir de 1. ou il serait grand S'il y a un moyen de construire un Variable qui est le rendement cumulatif sur 11 mois comme celui-ci Dernière modification par Thomas Maurer 26 mai 2014, 04:49. Si vos observations et variables sont nommées d'une manière cohérente, il est possible que vous puissiez simplement faire une boucle sur les ensembles de valeurs nécessaires à l'aide de compteur et d'une boucle, de sorte que vous définissiez i en tant que macro locale de 1 et l'augmenterez Avec chaque boucle, en l'utilisant comme identifiant pour la variable souhaitée et l'observation, donc si vous avez variable1 et observation1. Vous définissez variablesi et observationi. Je comprends que vous voulez prendre des valeurs dans le tableau en diagonale, donc avec chaque calcul vous déplacez une colonne à gauche et une rangée vers le bas. Sinon, serait-il possible de créer des données de panel, puis d'utiliser les procédures suggérées pour les moyennes mobiles dans les données de panel. Voici une façon de construire le rendement cumulatif: 27 mai 2014, 12:21 Merci pour vos commentaires, mais comme je suis tout à fait nouveau à stata j'ai du mal à comprendre la syntaxe lors de l'écriture de boucles, ce dont j'ai besoin est une boucle qui va calculer le rendement cumulatif de chaque stock, à tout moment pendant 12 mois , Et de préférence une autre boucle qui calculera l'écart-type de chaque rendement cumulé sur les 12 mois. Imaginez que le retour soit déjà donné en tant que variable. Le problème avec faire cela par manuellement dans la statistique devrait être évident que je dois générer je suppose que 12 nouvelle variable chacun commençant 1 mois une partie pour calculer les retours de sperme, et puis le même vor le stdev, et assortir qu'après. Ce serait très agréable si quelqu'un pouvait essayer, et me fournir du code. 28 May 2014, 02:16 J'ai essayé le code, mais il ne cumule que pour des intervalles fixes de 12 mois, donc il ne crée que le rendement cumulatif pour Janvier à Décembre, mais pas Février à Janvier et ainsi de suite. De plus, il crée une nouvelle variable cumul, qui est la séquence d'une fenêtre de retour 12 cumulative fixe, toujours à partir de Janvier, mais ce n'est pas ce dont j'ai besoin. J'ai besoin en fait d'une boucle, qui ne créera pas la série, mais plutôt le dernier 11e retour cumulatif et de calculer la variance de cette séquence de retour cumulative, donc j'ai obtenu pour chaque observation 11e ou 12e retour à côté d'elle une variable avec son retour cumulatif et un Variable avec la variance de cette série de rendements cumulés. Donc je pense que stata ne devrait pas réellement générer une nouvelle variable, mais faire les calculs dans la boucle et ne créer que deux variables avec le résultat le retour cumulatif de t-11 à t-1, et la variance de la séquence de retour cumulative. Et le code crée malheureusement l'ID sur la base du temps donc si ma série commence en Juin, le retour cumulatif ne sera calculé qu'en décembre, mais pas pendant 12 mois, quel que soit le mois de début. Dernière modification par Thomas Maurer 28 mai 2014, 02:20. Chers Utilisateurs de Stata J'ai quelques problèmes avec la commande collapse. Depuis Im travaillant avec un modèle dynamique (GMM), j'ai besoin d'effondrer toutes mes données en 5 ans moyennes et sd. La chose est que j'ai créé une nouvelle variable: période gén. Remplacent la période80 si yeargt1980 ampère yearlt1985 remplacent period85 si yeargt1985 ampère yearlt1990 remplacent period90 si yeargt1990 amp1 yearlt1995 remplacent period95 si yeargt1995 amp1 yearlt2000 remplacent period100 si yeargt2000 ampli yearlt2005 remplacent period105 si yeargt2005 amp yearlt2010 Alors quand je effondre tout par (la période de pays) le résultat est faux . Je voudrais les effondrer par des poids (nr ou id), chaque observation par année. J'apprécie vraiment tous les conseils.
No comments:
Post a Comment