Dies ist Teil 2 einer Reihe von Blogbeiträgen zur neuen Bootstrap-Funktion in JMP Pro Version 10. Der erste Teil wird vorgestellt Bootstrapping mit einem Klick .
In einigen Fällen wird Ihre Menge an Interesse möglicherweise nicht direkt in einem gemeldet JMP Berichtsfenster. Stattdessen kann es als Funktion von Statistiken berechnet werden, die in einem JMP-Bericht angezeigt werden. Dies kann in einer Situation auftreten, in der Ihre endgültige Berechnung spezifisch genug für Ihr Problem ist, dass JMP nur Eingaben für die Berechnung der Zinsen liefert.
In diesem Blogbeitrag, Teil der Bootstrap-Reihe von Beispielen, werde ich ein grundlegendes Beispiel für die Verwendung der Bootstrap-Funktion in JMP Pro für Mengen vorstellen, die nicht direkt in JMP-Berichten angegeben werden. Das Beispiel selbst ist nicht besonders fortgeschritten, aber es wird hoffentlich den Prozess veranschaulichen und Sie dazu bringen, darüber nachzudenken, wie Sie diesen Ansatz in Ihrer speziellen Arbeit verwenden könnten.
Zunächst möchte ich ein wenig darüber informieren, wie die Vertriebsplattform weiß, dass sie ein Bootstrap-Beispiel analysiert: die BootID-Spalte. Wenn der Spalte Verteilung diese Spalte angezeigt wird, wird im Verteilungsberichtfenster automatisch ein zusätzlicher Knoten erstellt, der als Bootstrap Confidence Limits bezeichnet wird. Die Vertrauensgrenzen basieren hier auf den Perzentilen der Bootstrap-Ergebnisse. Im Allgemeinen erhalten Sie bei einer Bootstrap-Analyse die Bootstrap-Ergebnistabelle und führen die Verteilung aus, ohne Änderungen an der Ergebnistabelle vorzunehmen. Wenn Sie der Tabelle jedoch eine weitere Spalte hinzufügen, können Sie diese Spalte mit Distribution analysieren und trotzdem Bootstrap-Vertrauensgrenzen erhalten, da sich • die BootID noch in der Tabelle befindet.
Um dieses Konzept zu veranschaulichen, betrachten Sie das folgende Beispiel. Angenommen, Sie haben die täglichen Preisunterschiede von drei Aktien über mehrere Tage. Wenn Sie diese Differenzen addieren, erhalten Sie die Preisdifferenz von Tag Null. Zuerst werden wir Multivariate mit den Daten ausführen, um die Summen der drei Aktien zu ermitteln, und eine Bootstrap-Analyse für den Multivariate-Bericht durchführen. Sobald wir die Bootstrap-Mustertabelle erhalten haben, erkennen wir, dass wir tatsächlich an der Performance eines Portfolios der drei Aktien interessiert sind (jeweils 100 Aktien der Aktien A und B und 200 Aktien der Aktie C). Um eine Bootstrap-Analyse des Portfolios zu erhalten, definieren wir einfach eine Spaltenformel mit unserer Portfolio-Gewichtung und führen dann die Verteilungsplattform in dieser Spalte aus.
Hier ist die JSL (JMP Scripting Language), um das Beispiel zu reproduzieren:
Zufälliges Zurücksetzen ( 4848484811 );
Returns =
J ( 100 . 1 . Zufällig Normal ( .01 . .1 )) ||
J ( 100 . 1 . Zufällig Normal ( .005 . .5 )) ||
J ( 100 . 1 . Zufällige Uniform () - .475 ) ;
dt = Als Tabelle ( gibt << ColumnNames zurück ({ Lager A, Lager B, Lager C })) ;
mv = dt << Multivariate (
Y ( : Lager A,: Lager B,: Lager C ) .
Univariate einfache Statistiken ( 1 )
) ;
Zufälliges Zurücksetzen ( 46574 ) ;
dtlst = Bericht ( mv ) [ "Univariate einfache Statistiken" ]
[ NumberColBox ( "Summe" )] << Bootstrap ( 100 ) ;
Schließen ( dtlst [ 1 ] Nein Speichern ) ;
dtlst [ 2 ] << Neue Spalte ( "Portfolio" .
Formel einstellen ( 100 *: Lager A + 100 *: Aktie B + 200 *: Lager C )
) ;
d2 = dtlst [ 2 ] << Verteilung (
Y ( : Portfolio ) .
Zusammengefasste Statistiken ( 0 ) .
Quantile ( 0 ) .
) ;
Hier ist die resultierende Bootstrap-Analyse für die Portfolio-Spalte:
Aus diesem Ergebnis können wir eine Schätzung der Variabilität des Portfolios ablesen und feststellen, dass die meisten Vertrauensgrenzen negative Renditen beinhalten.
Dies war ein einfaches Beispiel, aber ich hoffe, dass Sie sehen können, wie Sie einen ähnlichen Ansatz auf Ihre komplexen Probleme anwenden. Wenn Sie gute Beispiele für ein komplexes Problem haben, bei dem dieser Ansatz hilfreich wäre, lade ich Sie dazu ein, im Kommentarbereich zu berichten.
Bootstrap mehrerer Tabellen gleichzeitig mit JMP Pro schrieb:
[...] ist Teil 3 einer Reihe von Blogbeiträgen zur Bootstrap-Funktion in JMP Pro, Version 10. Zuvor haben wir die Tatsache ausgenutzt, dass der Vertrieb Bootstrap-Vertrauensgrenzen immer dann gibt, wenn [...]
