Schätzung eines unregelmäßigen Zufallsprozesses

Stellen Sie einen unregelmäßigen OrnsteinUhlenbeckProcess dar.

In[1]:=

sample = TimeSeriesResample[ RandomFunction[ OrnsteinUhlenbeckProcess[0, .1, .3], {0, 100, .1}], {Sort[ RandomReal[100, 1000]]}]

Out[1]=

In[2]:=

ListLinePlot[sample, Filling -> Axis, ImageSize -> Medium, PlotTheme -> "Detailed"]

Out[2]=

Schätzen Sie die Prozessparameter von unregelmäßigen Daten.

In[3]:=

EstimatedProcess[sample, OrnsteinUhlenbeckProcess[\[Mu], \[Sigma], \[Theta]]]

Out[3]=

Rufen Sie die Aktienpreise von GE seit dem 1. Januar 2013 ab und konvertieren Sie diese in TemporalData .

In[4]:=

price = TemporalData[FinancialData["GE", "Jan. 1, 2013"]]

Out[4]=

In[5]:=

DateListPlot[price, Filling -> Axis, ImageSize -> Medium, PlotTheme -> "Detailed"]

Out[5]=

Der Zeitstempel der Aktienpreisdaten ist ungleichmäßig.

In[6]:=

MinMax[Differences[price["Times"]]]

Out[6]=

Nehmen Sie an, dass der logarithmische Preis einem FractionalBrownianMotionProcess entspricht und schätzen Sie die Parameter.

In[7]:=

EstimatedProcess[Log[price], FractionalBrownianMotionProcess[\[Mu], \[Sigma], h]]

Out[7]=