Idősorok elemzése 02 - hiányzó adatok (Matlab)

Zhrnutie prednášky

Prednáška sa venuje spracovaniu chýbajúcich údajov v časových radoch, ktoré literatúra rieši len okrajovo (väčšinou sa zaoberá prieskumovými dátami). Rozlišuje chýbanie čisto náhodné, náhodné s vonkajším faktorom (napr. sviatky, zatvorené trhy) a chýbanie kontrolovateľné inými premennými, napríklad pri nelikvidných aktívach. Predstavuje tri postupy: vymazanie celých pozorovaní (listwise deletion), doplnenie priemerom alebo poslednou známou hodnotou a regresné doplnenie pomocou EM algoritmu. Vymazanie znižuje vzorku a skresľuje volatilitu a špicatosť, EM pri vyššom podiele chýbajúcich hodnôt (5–7 %) výrazne deformuje štatistiky. Na príkladoch (pomoc krajinám, oceánske bóje) ukazuje, že vhodná metóda závisí od situácie, a na záver upozorňuje na praktické problémy so zarovnaním dátumov pri importe dát.

• - Chýbanie dát môže byť čisto náhodné, náhodné s vonkajším faktorom alebo kontrolovateľné inými premennými (napr. objem obchodovania).
• - Listwise deletion znižuje počet pozorovaní, vytvára skoky v rade a zvyšuje volatilitu a špicatosť.
• - Doplnenie priemerom pri finančných výnosoch funguje, lebo ich očakávaná hodnota je približne nulová.
• - Pri cenových hladinách sa používa posledná známa hodnota s drobným posunom (napr. 10^-3), aby diferencovanie nedalo nulu.
• - EM algoritmus doplňuje dáta cez kovariančnú štruktúru, no pri 5–7 % chýbajúcich hodnôt veľmi skresľuje štatistiky.
• - Žiadna metóda nie je univerzálne lepšia; výber závisí od typu dát a situácie.
• - Prakticky je problém zarovnať dátumy rôznych radov pri importe z databáz (Bloomberg, Excel).

Zhrnutie pripravené s pomocou AI z prepisu videa.