Esta es la parte 2 de una serie de publicaciones del blog sobre la nueva función bootstrap en JMP Pro , Versión 10. La primera parte introducida. bootstrapping con un clic .
A veces, su cantidad de interés puede no ser reportada directamente en una JMP ventana de informe En su lugar, podría calcularse como una función de las estadísticas que se muestran en un informe JMP. Esto puede surgir en una situación en la que su cálculo final sea lo suficientemente específico para su problema, por lo que JMP solo produce entradas para el cálculo de interés.
En esta publicación del blog, parte de la serie de ejemplos de bootstrap, compartiré un ejemplo muy básico de cómo usar la función bootstrap en JMP Pro para cantidades que no se informan directamente en los informes de JMP. El ejemplo en sí no es particularmente avanzado, pero esperamos que ilustre el proceso y le ayude a pensar en formas en que podría utilizar este enfoque en su trabajo en particular.
Primero, quiero compartir un poco sobre cómo la plataforma de distribución sabe que está analizando una muestra de bootstrap: la columna BootID •. Cuando Distribución ve esta columna, produce automáticamente un nodo adicional en la ventana de Informe de distribución, llamado Límites de confianza de Bootstrap. Los límites de confianza aquí se basan en los percentiles de los resultados de arranque. Generalmente, cuando realiza un análisis de arranque, obtiene la tabla de resultados de arranque y ejecuta Distribución sin realizar ningún cambio en la tabla de resultados. Sin embargo, si agrega otra columna a la tabla, puede analizar esa columna con Distribución y aún así obtener los límites de confianza de bootstrap porque el BootID • todavía está en la tabla.
Para ilustrar este concepto, considere el siguiente ejemplo. Supongamos que tiene las diferencias diarias de precios de tres acciones durante varios días. Si suma estas diferencias, obtendrá la diferencia de precio desde el día cero. Primero, ejecutaremos Multivariable en los datos para obtener las sumas de las tres acciones y realizaremos un análisis de arranque en el informe Multivariado. Una vez que obtenemos la tabla de muestra de bootstrap, nos damos cuenta de que estamos realmente interesados en el rendimiento de una cartera de las tres acciones (100 acciones cada una de las Acciones A y B y 200 acciones de la Acción C). Para obtener un análisis de arranque de la cartera, simplemente definimos una fórmula de columna con nuestra ponderación de cartera y luego ejecutamos la plataforma de Distribución en esa columna.
Aquí está el JSL (JMP Scripting Language) para reproducir el ejemplo:
Reinicio aleatorio ( 4848484811 );
devuelve =
J ( 100 , 1 , Aleatorio normal ( .01 , .1 )) ||
J ( 100 , 1 , Aleatorio normal ( .005 , .5 )) ||
J ( 100 , 1 , Uniforme al azar () - .475 ) ;
dt = Como tabla ( devoluciones, << ColumnNames ({ Acción A, Acción B, Acción C })) ;
mv = dt << Multivariable (
Y ( : Stock A,: Stock B,: Stock C ) ,
Estadísticas simples univariadas ( 1 )
) ;
Reinicio aleatorio ( 46574 ) ;
dtlst = Informe ( mv ) [ "Estadísticas simples univariadas" ]
El NumberColBox ( "Suma" )] << Bootstrap ( 100 ) ;
Cerrar ( dtlst El 1 ] , No guardar ) ;
dtlst El 2 ] << Nueva Columna ( "Portafolio" ,
Establecer fórmula ( 100 *: Stock A + 100 *: Stock B + 200 *: Stock C )
) ;
d2 = dtlst El 2 ] << Distribución (
Y ( :Portafolio ) ,
Resumen estadístico ( 0 ) ,
Cuantiles ( 0 ) ,
) ;
Aquí está el análisis de arranque resultante para la columna de la cartera:
A partir de este resultado, podemos ver una estimación de la variabilidad de la cartera y que la mayoría de los límites de confianza incluyen rendimientos negativos.
Este fue un ejemplo simple, pero espero que pueda ver cómo aplicar un enfoque similar a sus problemas complejos. Si tiene buenos ejemplos de un problema complejo en el que este enfoque sería útil, lo invito a compartir en la sección de comentarios.
Arranque varias tablas simultáneamente con JMP Pro escribió:
[...] es la parte 3 de una serie de publicaciones de blog sobre la función bootstrap en JMP Pro, Versión 10. Anteriormente, aprovechábamos el hecho de que la Distribución otorgará límites de confianza a Bootstrap en cualquier momento que [...]
