이것은 새로운 부트 스트랩 기능에 대한 일련의 블로그 게시물 중 2 부입니다. JMP Pro , 버전 10. 처음 소개 된 부분 원 클릭 부트 스트랩 .
때로는 관심 분야가 직접보고되지 않을 수도 있습니다. JMP 보고서 창. 대신 JMP 보고서에 표시되는 통계의 함수로 계산 될 수 있습니다. 이는 JMP가 관심 계산에 대한 입력 만 생성한다는 문제에 대한 최종 계산이 충분히 구체적 인 상황에서 발생할 수 있습니다.
부트 스트랩 시리즈의 예제 중 일부인이 블로그 게시물에서는 JMP 보고서에서 직접보고되지 않는 수량에 대해 JMP Pro에서 부트 스트랩 기능을 사용하는 방법에 대한 아주 기본적인 예를 나눠 보겠습니다. 예제 자체는 특별히 진보 된 것은 아니지만 잘하면 프로세스를 설명하고 특정 작업에서이 접근 방식을 사용할 수있는 방법을 생각해내는 데 도움이됩니다.
먼저, 배포 플랫폼이 부트 스트랩 샘플을 분석하고 있음을 어떻게 알 수 있는지에 대해 조금 나누고 싶습니다 : BootID 열. Distribution이이 열을 볼 때 배포 보고서 창에서 부트 스트랩 신뢰 한계라는 추가 노드를 자동으로 생성합니다. 신뢰 한계는 부트 스트랩 결과의 백분위 수를 기반으로합니다. 일반적으로 부트 스트랩 분석을 수행하면 부트 스트랩 결과 테이블을 얻고 결과 테이블을 변경하지 않고 배포를 실행합니다. 그러나 테이블에 다른 열을 추가하면 해당 열을 Distribution로 분석 할 수 있으며 BootID가 여전히 테이블에 있기 때문에 여전히 부트 스트랩 신뢰 한계를 얻을 수 있습니다.
이 개념을 설명하기 위해 다음 예제를 고려하십시오. 하루 동안 3 가지 주식의 일별 가격 차이가 있다고 가정합니다. 이러한 차이를 합하면 0 일과의 가격 차이가 발생합니다. 먼저 데이터에서 다 변수를 실행하여 세 가지 주식의 합계를 얻고 다 변수 보고서에서 부트 스트랩 분석을 수행합니다. 일단 부트 스트랩 샘플 표를 얻으면 세 가지 주식 포트폴리오 (주식 A와 B 각각 100 주와 스톡 C의 주식 200 주)의 실적에 실제로 관심이 있다는 것을 알게됩니다. 포트폴리오의 부트 스트랩 분석을 얻으려면 포트폴리오 가중치로 열 수식을 정의한 다음 해당 열의 배포 플랫폼을 실행하면됩니다.
예제를 재현하는 JSL (JMP 스크립팅 언어)은 다음과 같습니다.
무작위 리셋 ( 4848484811 );
반환 =
일본 ( 100 , 1 , 임의 정상 ( .01 , .1 )) ||
일본 ( 100 , 1 , 임의 정상 ( .005 , .5 )) ||
일본 ( 100 , 1 , 무작위 제복 () - .475 ) ;
dt = 표 ( 반환, << ColumnNames ({ 주식 A, 주식 B, 주식 C }))) ;
mv = dt << 다 변수 (
와이 ( : 주식 A, : 주식 B, : 주식 C ) ,
단 변량 간단한 통계 ( 1 )
) ;
무작위 리셋 ( 46574 ) ;
dtlst = 보고서 ( mv ) [ "단 변량 단순 통계" ]
[ NumberColBox ( "합집합" )] << 부트 스트랩 ( 100 ) ;
닫기 ( dtlst [ 1 ] , 저장하지 않음 ) ;
dtlst [ 2 ] << 새 열 ( "포트폴리오" ,
수식 설정 ( 100 * : 재고 A + 100 * : 주식 B + 200 * : 재고 C )
) ;
d2 = dtlst [ 2 ] << 배포 (
와이 ( : 포트폴리오 ) ,
요약 통계 ( 0 ) ,
퀀트 ( 0 ) ,
) ;
다음은 Portfolio 열에 대한 부트 스트랩 분석 결과입니다.
이 결과를 통해 포트폴리오 변동성의 추정치를 볼 수 있으며 대부분의 신뢰 한도에는 부정적 수익이 포함됩니다.
이것은 간단한 예 였지만 복잡한 문제에 유사한 접근법을 적용하는 방법을 알기를 바랍니다. 이 접근법이 유용 할 수있는 복잡한 문제의 좋은 예가 있다면 의견 섹션에서 공유하도록 권유합니다.
JMP Pro와 함께 여러 테이블을 동시에 부트 스트랩 쓴 :
[...] JMP Pro, 버전 10의 부트 스트랩 기능에 대한 일련의 블로그 게시물 중 일부입니다. 이전에는 Distribution이 부트 스트랩 신뢰 한계를 언제든지 제공 할 것이라는 사실을 악용했습니다. [...]
