Размещено на http://www.allbest.ru/

Оглавление

• 1. Введение
• 2. Предварительный анализ данных
• 3. Теоретическая часть
• 3.1 Статистическая проверка гипотез
• 3.2 Статистический критерий Фроцини
• 4. Проверка гипотезы для модельных данных
• 5. Выбор альтернативной гипотезы и оценка мощности критерия
• 6. Проверка гипотез для реальных данных
• Заключение
• Список используемой литературы
• Приложения

1. Введение

Целью моей курсовой работы является проверка гипотезы о нормальности распределения дневных логарифмических доходностей, рассчитанных по котировкам акций, входящих в индекс NASDAQ COMРUTER (IXCO) акций компаний, расположенных в Silicon Valley. Основным критерием стал критерий нормальности Фроцини. NASDAQ COMРUTER - это общий индекс NASDAQ. Он включает себя более пяти тысячи компаний. В работе присутствует 12 тикеров. В качестве временного отрезка был выбран период с 2010 по 2014 включительно.

Курсовая работа состоит из двух основных частей. Первая часть представляет собой теоретическую справку, содержащую краткое описание применяемых в работе статистических критериев и методов. Вторая часть - практическая, состоит из проверки гипотезы на модельных данных, выбора альтернативной гипотезы и проверки мощности критерия, предварительного анализа реальных данных.

Необходимо сказать, что подобное исследование является крайне актуальным в наше время. Именно критерий Фроцини дает нам возможность понять, насколько близким к нормальному является исследуемое распределение.

Основными источниками литературы, используемыми при написании работы стали "Лекции по математической статистике" А.В. Браилова [1], "Прикладная математическая статистика. Для инженеров и научных работников" А.И. Кобзаря [2]. Были изучены курсовые работы прошлых лет.

2. Предварительный анализ данных

Для того, чтобы провести проверку гипотезы о нормальности распределения дневной логарифмической доходности акций, необходим достаточный объем выборок. Данные о ценах акций взяты с сайта httр: // www.finance. yahoo.com/.

Таблица 1.

Список и наименование компаний

Тикер	Наименование компании
ADAT	Authentidate Holding Corp.
BSQR	BSQUARE Corp.
CEVA	CEVA Inc.
DRAM	Dataram Corporation
EVOL	Evolving Systems Inc.
FORTY	Formula Systems (1985) Ltd.
ISSI	Integrated Silicon Solution Inc.
MOBI	Sky-mobi Limited
ROVI	Rovi Corporation
SNDK	SanDisk Corp.
ULTI	The Ultimate Software Group, Inc.
ZIXI	Zix Corporation

В таблице 2 (программа 1) отражено количество дней, в которые акции торговались на бирже в период с 01.01.2010 г по 31.12.2014 г., а так же для индекса в целом.

В то же время при выборе исследуемого периода необходимо принять во внимание наличие резких скачков в ценах акций, вызванных сплитами - дроблениями или консолидациями акций, когда число находящихся в обращении акций увеличивается или уменьшается. В этих случаях номинальная стоимость акций соответственно резко уменьшается или резко увеличивается

Таблица 2.

Количество наблюдений. (Программа 1)

Тиккер/Год	2010	2011	2012	2013	2014
ADAT	252	252	250	252	252
BSQR	252	252	250	252	252
CEVA	252	252	250	252	252
DRAM	252	252	250	252	252
EVOL	252	252	250	252	252
FORTY	252	252	250	252	252
ISSI	252	252	250	252	252
MOBI	15	252	250	252	252
ROVI	252	252	250	252	252
SNDK	252	252	250	252	252
ULTI	252	252	250	252	252
ZIXI	252	252	250	252	252

Также составим таблицу объёма торгов (количество проданных акций или сделок) по акциям тиккеров.

Таблица 3.

Объем торгов. (Программа 2)

Тиккер/Год	2010	2011	2012	2013	2014
ADAT	11768200	22378100	7458400	23446400	26247000
BSQR	14155000	26566600	5000200	4244900	8467400
CEVA	47396900	59066300	67559700	41080000	27279300
DRAM	2328000	979700	525500	8551800	11316500
EVOL	7146900	5566400	7111100	12393600	8618300
FORTY	3096100	1777200	707200	560400	265400
ISSI	157474800	62963400	26496600	29931200	37011300
MOBI	13511900	170166000	37864200	37977400	163798500
ROVI	324764500	457678500	366015900	252606600	194754200
SNDK	2762606200	1858360100	1374798300	1063738300	916492100
ULTI	42847600	54252800	43538000	42880100	74157700
ZIXI	135691800	201009900	55478300	95933600	86783900

Как видно из таблиц 2 и 3, все исследуемые акции торговались практически непрерывно на протяжении всего рассматриваемого периода времени, кроме выходных, число торговых дней по каждому тиккеру в целом совпадает с числом торговых дней фондового индекса, и объём торгов по ним был весьма высок.

Для того, чтобы убедиться в достоверности исследуемых данных, сопоставим графики курса акций каждого тиккера и курса фондового индекса IXCO за весь рассматриваемый промежуток времени. (Программа 3)

ADAT и IXCO BSQR и IXCO

CEVA и IXCO DRAM и IXCO

EVOL и IXCO FORTY и IXCO

ISSI и IXCO MOBI и IXCO

нормальное распределение логарифмическая доходность

ROVI и IXCO SNDK и IXCO

ULTI И IXCO ZIXI и IXCO

Эта несложная проверка подтверждает достоверность исследуемых данных

Далее вычислим некоторые характеристики временных рядов.

Рассчитаем волатильность, характеризующую тенденцию рыночной цены, изменяющуюся во времени.

Тиккер/Год	2010	2011	2012	2013	2014
ADAT	0,05559604	0,06134953	0,04030305	0,05857285	0,04656003
BSQR	0,04221376	0,04040263	0,03002475	0,02124533	0,02428204
CEVA	0,02598864	0,03560492	0,02814794	0,02242047	0,02327887
DRAM	0,04308012	0,0491515	0,06418204	0,07704555	0,04866179
EVOL	0,01631823	0,01862077	0,02441319	0,02077245	0,02039206
FORTY	0,02612778	0,02524868	0,01835673	0,01544136	0,02241532
ISSI	0,04418258	0,03033078	0,02032408	0,01918842	0,01981772
MOBI	0,03577488	0,07116203	0,04121585	0,05589251	0,0544092
ROVI	0,01966481	0,03653664	0,03738315	0,02012456	0,02003183
SNDK	0,03123554	0,02706996	0,02381354	0,0168905	0,01883137
ULTI	0,01925677	0,02641864	0,01728635	0,0160066	0,02034313
ZIXI	0,0375915	0,03941248	0,02348289	0,02393751	0,02424878
Таблица 4. Волатильность. (Программа 3)

Рассчитаем максимальные относительные скачки цен в каждом году.

Тиккер\Год	2010	2011	2012	2013	2014
ADAT	0,30666667	0,27058824	0,13571429	0,37	0, 19354839
BSQR	0,28909953	0,22610922	0,13105413	0,07848837	0,15047022
CEVA	0,1005386	0,12335116	0,22276351	0,1625731	0,14950635
DRAM	0,16560494	0,38679241	0,24999777	0,41254125	0,28205128
EVOL	0,0748904	0,08580559	0,18827793	0,08333218	0,08220714
FORTY	0,08265186	0,11044815	0,07395697	0,06222197	0,14974807
ISSI	0,22854504	0,12606316	0,0712667	0,10652923	0,07557691
MOBI	0,10666667	0,35714286	0,16915423	0,43317972	0,26229508
ROVI	0,09611307	0,38657106	0,43286119	0,13759432	0,11865864
SNDK	0,12317096	0,09622324	0,11367974	0,08833804	0,13558386
ULTI	0,06293303	0,16402628	0,0799487	0,12444352	0,07411828
ZIXI	0,30588235	0,17602996	0,09235669	0,08959538	0,1462585
Таблица 5. Максимальные относительные скачки. (Программа 4)

Рассчитаем бета-коэффициент для каждого тиккера за весь промежуток времени. для того чтобы отразить изменчивость доходности ценной бумаги по отношению к доходности рынка в среднем

Тиккер	Бета
ADAT	-0,00069004
BSQR	-0,00058
CEVA	-0,00275042
DRAM	-0,00906711
EVOL	0,00583096
FORTY	0,01314192
ISSI	0,00547081
MOBI	0,00122931
ROVI	-0,02133994
SNDK	0,04961244
ULTI	0,1044744
ZIXI	0,0009905

3. Теоретическая часть

3.1 Статистическая проверка гипотез

Одна из основных задач математической статистики состоит в том, чтобы по реализации случайной выборки из некоторого генерального распределения проверить определенную гипотезу о виде или параметрах генерального распределения.

Таким образом, статистической гипотезой называется любое утверждение о виде или параметрах генерального распределения.

Проверка статистической гипотезы - это процесс принятия решения о том, противоречит ли рассматриваемая статистическая гипотеза наблюдаемой выборке данных.

Пусть и - две взаимоисключающие статистические гипотезы. Гипотезу назовем основной, а гипотезу - альтернативной. Как правило, в качестве базисного предположения принимается утверждение о справедливости одной из гипотез.

Статистическим критерием с критической областью называется правило, в соответствии с которым отвергается, если выборка , и принимается, если . Другими словами, статистический критерий представляет собой специально подобранную случайную величину, точное или приближенное которой известно. В свою очередь, критическая область - это совокупность значений статистического критерия, при которых нулевая гипотеза отвергается. Областью принятия гипотезы, называется совокупность значений статистического критерия, при которых нулевая гипотеза принимается.

Применение статистического критерия может привести к ошибкам двух различных типов:

· ошибка первого рода состоит в том, что отвергается верная гипотеза

· ошибка второго рода состоит в том, что отвергается верная гипотеза

Вероятность ошибки первого рода называется уровнем значимости критерия и обозначается . Вероятность ошибки второго рода обозначается , а величина называется мощностью критерия.

Необходимо отметить, что с распространением статистических программ возникает понятие, которое позволяет решить вопрос о принятии или отклонении основной гипотезы одновременно для всех уровней значимости без вычисления критических значений. Так для фиксировано реализации случайной выборки

Р-значением (Р-value) называется такое число , что для любого уровня значимости , при котором гипотеза принимается, и для любого уровня значимости , при котором гипотеза отвергается.

3.2 Статистический критерий Фроцини

Фроцини предложил простой, но достаточно мощный критерий нормальности с параметрами, оцениваемыми по выборке, основанный на статистике

Рассмотрим математическую составляющую критерия Фроцини.

Критерий Фроцини - основной статистический критерий

Критерий Фроцини является мощным критерием нормальности с параметрами, оцениваемыми по выборке, основанном на статистике

, Где, ,

,

- порядковые статистики, а - функция распределения стандартного нормального закона N (0,1).

Критерий Колмогорова - вспомогательный критерий

В качестве вспомогательного критерия по проверке равномерности распределения Р-значения основного критерия в данной работе используем критерий Колмогорова.

Критерий Колмогорова рассматривает максимальное значение модуля разности между статистической функцией распределения и соответствующей теоретической функцией распределения F (x, т.е. D = .

Следующим шагом определяется величина . По статистическим таблицам (в среде matcalc функцией рvKolm (u)) находится вероятность того, что за счет чисто случайных причин максимальное расхождение между и F (x) будет не меньше, чем фактически наблюденное. Если вероятность Р () сравнительно велика, то гипотезу следует принять, если весьма мала, то отвергнуть как неправдоподобную.

4. Проверка гипотезы для модельных данных

В качестве модельных данных используется выборка случайных величин, распределенных по нормальному закону. Это позволит нам понять, верно ли записана статистика основного критерия. Необходимо заметить, что теоретическое распределение статистики Фроцини нам неизвестно.

Для того чтобы проверить гипотезу о нормальном распределении:

1. С помощью программы "Квантали. mtc" методом Монте-Карло вычисляются квантили распределения статистики Фроцини. Результаты представлены в следующей таблице:

Таблица 7. Квантили распределения основной статистики.

Уровень	Квантиль
1	0,0864471
2	0,0901981
3	0,0929272
4	0,0943624
5	0,0960783
6	0,0977139
7	0,0990134
8	0,0997616
9	0,1003475
10	0,1011004
11	0,1017168
12	0,1021952
………….

(всего 999 квантилей, представлены в файле "Квантили. csv")

2. С помощью программы "Р-значения. mtc" вычисляются Р-значения и приводится их гистограмма.

Рисунок 1. Р-значения на модельных данных. (Программа 7)

Как мы можем видеть из рисунка, Р-значения распределены довольно равномерно, что позволяет говорить о том, что гипотеза о нормальности распределения модельных данных по исследуемому критерию Фроцини принимается.

3. В программе "Р-значения. mtc" производится проверка равномерности распределения Р-значения на отрезке [0; 1] по критерию Колмогорова.

В результате выполнения программы мы получаем значение 0,990255. С одной стороны, можно говорить о том, что полученное значение не в полной мере подтверждает равномерность распределения. Однако было замечено, что это напрямую связано с частотой вычисления статистики (в нашем случае - 10000 раз, при снижении - критерий Колмогорова все более стремится к единице). Поэтому равномерность, на мой взгляд, можно считать доказанной.

5. Выбор альтернативной гипотезы и оценка мощности критерия

В качестве альтернативной гипотезы выберем гипотезу о том, логарифмическая доходность имеет распределение Стьюдента. Выбор именно этого распределения мотивирован тем, что распределение Стьюдента сходится к стандартному нормальному распределению и по своей сути не должно сильно отличаться от нулевой гипотезы.

Оценим на основе 1000-кратной проверки нулевой гипотезы при верной альтернативной мощность критерия Фроцини для выбранного распределения с помощью программы "Прог8. мощность критерия. mtc". В результате работы программы мы получаем, что, например, при 5% уровне значимости мощность составит 0,766, а при 1% уровне значимости - 0,621

Таким образом, мощность критерия достаточно велика, а значит, при использовании критерия Фроцини, вероятность совершить ошибку второго рода, то есть принять неправильную гипотезу, мала.

6. Проверка гипотез для реальных данных

С помощью программы "Прог9. реальные Р-значения. mtc":

1. Вычисляются Р-значения и приводится их гистограмма.

Рисунок 2. Р-значения на реальных данных.

Очевидно Р-значения распределены неравномерно, а значит мы можем говорить о том, что гипотеза о нормальности отвергается.

2. Вычисляется доля проверок, в которых гипотеза принималась при 5% и 1% уровнях значимости. Было получено, что

· при 5% уровне значимости гипотеза принимается в 14,5% случаев

· при 1% уровне значимости гипотеза принимается в 25,5% случаев

Таким образом, нет необходимости переходить к исследованию данных за второе полугодие.

3. Вычисляются медианные Р-значения по годам и компаниям.

Таблица 8. Средние Р-значения по годам.

2010	2011	2012	2013	2014
0,090671673	0,092869212	0,094339537	0,095782411	0,097185476

Заключение

В данной работе была проверена гипотеза о нормальности распределения дневных логарифмических доходностей по критерию Фроцини. Полученные результаты говорят о том, что в большинстве случаев гипотеза о нормальности отвергается, несмотря на то, что для небольшого числа компаний значения статистики таковы, что можно судить о некоторой приближенности к нормальному распределению.

Вторым содержательным результатом курсовой работы является изучение критерия Фроцини, в частности, определение его мощности. Мощность критерия оказалась достаточно велика. Тем не менее, критерий, на мой взгляд, носит оценочный характер, указывая нам, насколько близко распределение к нормальному.

Стоит отметить, что в ходе написания курсовой были осуществлены все цели и задачи, которые ставились изначально. Наибольших затрат времени потребовало выполнение программы "Р-значения. mtc". Однако мы не имеем возможность сравнивать эффективность, так как в курсовых прошлых лет отсутствует любая информация о времени выполнения программ.

Что касается новизны курсовой работы, то можно выделить ряд особенностей:

· во-первых, в предварительном анализе данных моей работы были наглядно представлены сплиты акций, возникшие в графиках цены Adj Close у ряда компаний (которые, как правило, были затем исключены из исследования);

· во-вторых, модельные данные создавались по иному принципу, нежели в курсовых прошлых лет, что вероятно позволило повысить эффективность;

· в-третьих, качественно иным способом рассчитывались Р-значения;

· в-четвертых, курсовые прошлых лет не содержали оценки мощности критерия Фроцини.

В целом, проверка гипотезы о нормальности распределения дневных логарифмических доходностей с помощью критерия Фроцини дает прежние результаты. Гипотеза отвергается, а значит реальные данные, представленные котировками акций, входящих в известный индекс, не могут быть в полной мере соотнесены с нормальным распределением.

Список используемой литературы

1. Браилов А.В. Лекции по математической статистике. М.: Финакадемия, 2007.172 с.

2. Кобзарь А.И. Прикладная математическая статистика. Для инженеров и научных работников. М.: ФИЗМАТЛИТ, 2006. - 816 с.

5. Ригин А. Курсовая работа "Проверка гипотезы о нормальном распределении

логарифмической доходности по критерию Фроцини", 2009

6. Казарян А. Курсовая работа "Проверка гипотезы о нормальном распределении логарифмической доходности по критерию Фроцини", 2009

7. httр: // finance. yahoo.com/

Приложения

Приложение 1. Характеристика компьютера

Тип ЦП: DualCore Intel Pentium E5200, 2500Mhz (12.5 x 200)

Тактовая частота: 2500 МГц

Частота системой шины: 800 МГц

Объемы КЭша 2ого уровня (Кэш L2): 2Мб (On-Die, ECC,ASC,Full-Speed)

Приложение 2. Время выполнения программ

Название программы	Время выполнения
"Количество наблюдений"	1,1 с
"Объем торгов"	1,1 с
"График акций и индекса"	9,1 с
"Волатильность"	1,2 с
"Максимальные относительные скачки"	1,3 с
"Бета-коэффициент"	0,234 с
"Квантили"	5,6 с
" P-значения для модельных данных"	0,456 с
"Мощность критерия"	0,875 с
"Реальные Р-значения"	1,8 с
"Средние значения по годам"	0,78 с

Приложение 3. Коды программ

1." Количество наблюдений. mtc"

// Баркинхоев С-Ахмед 2015

// время выполнения: 1,1 секунда

Tikkery= ["ADAT"; "BSQR"; "CEVA"; "DRAM"; "EVOL"; "FORTY"; "ISSI"; "MOBI"; "ROVI"; "SNDK"; "ULTI"; "ZIXI"];

Years= [2010: 2014];

ND=super (12,5);

for (i in 1: 12)

{

for (j in 1: 5)

{

d1=date (Years (j),01,01);

d2=date (Years (j),12,31);

I0=loaddaily (d1,d2,Tikkery (i) +". csv","CLOSE");

I=select (I0, I0>0);

ND (i,j) =#I;

}

}

T1= ["Тиккер/Год",'Years; Tikkery,ND];

savetable (T1,"Таб2. Количество_наблюдений. csv");

2. "Объёмы торгов. mtc"

// Баркинхоев С-Ахмед 2015

// время выполнения: 1,1 секунда

Tikkery= ["ADAT"; "BSQR"; "CEVA"; "DRAM"; "EVOL"; "FORTY"; "ISSI"; "MOBI"; "ROVI"; "SNDK"; "ULTI"; "ZIXI"];

Years= [2010: 2014];

Volume=super (12,5);

for (i in 1: 12)

{

for (j in 1: 5)

{

d1=date (Years (j),01,01);

d2=date (Years (j),12,31);

V0=loaddaily (d1,d2,Tikkery (i) +". csv","VOLUME");

V=select (V0,V0>0);

Volume (i,j) =sum (V);

}

}

T1= ["Тиккер/Год",'Years; Tikkery,Volume];

savetable (T1,"Таб3. Объёмы_торгов. csv");

3. "Графики акций и индекса. mtc"

// Баркинхоев С-Ахмед 2015

// время выполнения: 9,1 секунда

Tikkery= ["ADAT"; "BSQR"; "CEVA"; "DRAM"; "EVOL"; "FORTY"; "ISSI"; "MOBI"; "ROVI"; "SNDK"; "ULTI"; "ZIXI"];

d1 = date (2010,1,1);

d2 = date (2014,12,31);

IXCO=loaddaily (d1,d2,"IXCO. csv","CLOSE");

for (i in 1: 12)

{

I0=loaddaily (d1,d2,Tikkery (i) +". csv","ADJ CLOSE");

IXCOs=select (IXCO, IXCO>0 & I0>0);

I=select (I0, I0>0 & IXCO>0);

wintitle (Tikkery (i) +" и IXCO");

axes ();

line (1: #IXCOs, IXCOs,green);

line (1: #I, I,red);

show ();

erase ();

}

4. "Волатильность. mtc"

// Баркинхоев С-Ахмед 2015

// время выполнения: 1,2 секунда

Tikkery= ["ADAT"; "BSQR"; "CEVA"; "DRAM"; "EVOL"; "FORTY"; "ISSI"; "MOBI"; "ROVI"; "SNDK"; "ULTI"; "ZIXI"];

Years= [2010: 2014];

V=super (12,5);

for (i in 1: 12)

{

for (j in 1: 5)

{

d1=date (Years (j),01,01);

d2=date (Years (j),12,31);

I0=loaddaily (d1,d2,Tikkery (i) +". csv","ADJ CLOSE");

I=select (I0, I0>0);

V (i,j) =stdev (ret (I));

}

}

T1= ["Тиккер/Год",'Years; Tikkery,V];

savetable (T1,"Таб5. Волатильность. csv");

5. "Макс. относительные скачки цен. mtc"

// Баркинхоев С-Ахмед 2015

// время выполнения: 1,3 секунда

Tikkery= ["ADAT"; "BSQR"; "CEVA"; "DRAM"; "EVOL"; "FORTY"; "ISSI"; "MOBI"; "ROVI"; "SNDK"; "ULTI"; "ZIXI"];

Years= [2010: 2014];

S=super (12,5);

for (i in 1: 12)

{

for (j in 1: 5)

{

d1=date (Years (j),01,01);

d2=date (Years (j),12,31);

I0=loaddaily (d1,d2,Tikkery (i) +". csv","ADJ CLOSE");

I=select (I0, I0>0);

S (i,j) =max (abs (ret (I)));

}

}

T1= ["Тиккер\Год",'Years; Tikkery,S];

savetable (T1,"Таб4. Макс_относительные_скачки_цен. csv");

6. "Квантили. mtc"

// Баркинхоев С-Ахмед 2015

// время выполнения: 5,6 секунда

nl=nlaw (0,1);

n=247;

N=10000;

setmaxdim (2*N);

B=0 (N);

for (i in 1: N)

{

Ob=nlaw (0,0.01) (n);

M=mean (Ob); S=stdev (Ob);

x=sort (Ob);

z= (x-M) /S;

B (i) =1/ (n^ (1/2)) *sum (abs (nl. pl (z) - ( (1: n) - 0.5) /n));

}

m=1000;

EL=elaw (B);

Q=EL. invpl (1/m: (m-1) /m: 1/m);

savetable (Q, "Таблица7. Квантили Фроцини. csv");

7. "P-значения для модельных данных. mtc"

// Баркинхоев С-Ахмед 2015

// время выполнения: 0,456 секунд

n1=nlaw (0,1);

N=1000;

n=247;

PV=0 (N);

Q=loadvector ("Таб7. Квантили Фроцини. csv");

for (i in 1: N)

{

Ob=nlaw (0,0.01) (n);

M=mean (Ob); S=stdev (Ob);

x=sort (Ob);

z= (x-M) /S;

b=1/ (n^ (1/2)) *sum (abs (n1. pl (z) - ( (1: n) - 0.5) /n));

PV (i) =elaw (Q). pg (b);

}

hist (PV. intfr (0: 1: 0.1),green); // гистограмма Р-значений

axes ();

// проверка равномерности Колмогорова

Pt=0: 1: 0.001;

d=maxabs (elaw (PV). pl (Pt) - ulaw (0,1). pl (Pt));

pvk=pvKolm (d*n^ (1/2));

wintitle ("pvKolm= " + pvk);

savetable (PV,"P-значения для модельных данных. csv");

8. "Мощность критерия. mtc"

// Баркинхоев С-Ахмед 2015

// время выполнения: 0,875 секунда

alpha1=0.01;

alpha5=0.05;

alpha20=0.2;

nl=nlaw (0,1);

n=247;

pow1=0; pow5=0; pow20=0;

N=1000;

Q=loadvector ("Таблица7. Квантили Фроцини. csv ");

for (i in 1: N)

{

Ob=tlaw (5) (n);

M=mean (Ob); S=stdev (Ob);

x=sort (Ob);

z= (x-M) /S;

b=1/ (n^ (1/2)) *sum (abs (nl. pl (z) - ( (1: n) - 0.5) /n));

PV=elaw (Q). pg (b);

if (PV<alpha1) pow1=pow1+1;

if (PV<alpha5) pow5=pow5+1;

if (PV<alpha20) pow20=pow20+1;

}

Power = ["0.01", "0.05", "0.2"; pow1/N, pow5/N, pow20/N];

savetable (Power, "Мощность критерия Фроцини. csv");

9. "Проверка на реальных данных. mtc"

// Баркинхоев С-Ахмед 2015

// время выполнения: 1,1 секунда

Tikkery= ["ADAT"; "BSQR"; "CEVA"; "DRAM"; "EVOL"; "FORTY"; "ISSI"; "MOBI"; "ROVI"; "SNDK"; "ULTI"; "ZIXI"];

d=' [date (2010,01,01);

date (2010,05,27);

date (2010,10,21);

date (2011,03,17);

date (2011,08,10);

date (2012,01,04);

date (2012,05,31);

date (2012,10,21);

date (2013,03,21);

date (2013,08,14);

date (2014,01,08);

date (2014,06,03);

date (2014,10, 20)];

rez=super (12,12);

Cr1=0.987; Cr2=0.998;

Norm=nlaw (0,1);

for (j in Tiсker) {

for (i in 1: 12) {

I0 = loaddaily (d (i),d (i+1) - 1,j+". csv","Adj Close");

I = select (I0, I0>0);

if (#I >99) {

R = dif (ln (I));

P = sort (R);

nu = 1: 100;

m = (nu-0.375) /100.365;

M = Norm. invpl (m);

r = sum (M*P) / (sum (M^2) *sum ( (P-mean (P)) ^2)) ^0.5;

if (r>Cr1 & r<Cr2) rez (j. num, i) = "YES";

else rez (j. num, i) = "NO";

}

}

}

T= [Tiker,rez];

savetable (T,"Рис2. Проверка_реальные_данные. csv");

10. "Средние P-значения по годам. mtc"

// Баркинхоев С-Ахмед 2015

// время выполнения: 2,1 секунда

Tikkery= ["ADAT"; "BSQR"; "CEVA"; "DRAM"; "EVOL"; "FORTY"; "ISSI"; "MOBI"; "ROVI"; "SNDK"; "ULTI"; "ZIXI"];

Year=2010: 2014;

q=0 (#Tickers,#Year); // матрица п-значений

sr=0 (#Year); // столбец средних значений

for (Name in Tickers)

{

y=loadvector ("Таблица7. Квантили Фроцини. csv"); // загрузка данных из файла

for (i in 1: 5)

{

q (Name. num, i) =y (i); // данные из вектора записываем в матрицу

}

}

q='q; // транспонируем матрицу

for (i in 1: 5)

{

for (Name in Tickers)

{

sr (i) =sr (i) +q (i,Name. num); // суммы п-значений по годам

}

}

for (i in 1: 5)

{

sr (i) =sr (i) /10;

}

e= ['Year; 'sr];

savetable (e,"Таб8. Средние p-значения по годам. csv");

Размещено на Allbest.ru