Ökonometria PhD 02 - hiányzó adatok kezelése, Matlab

Zhrnutie prednášky

Prednáška sa venuje práci s chýbajúcimi údajmi v ekonometrických časových radoch a ich spracovaniu v Matlabe. Lektor vysvetľuje, že väčšina literatúry rieši chýbajúce dáta z prieskumov, kým pri časových radoch (sviatky, nedostupné emisie dlhopisov, chýbajúce merania) ide o iný typ problému, a rozlišuje náhodné a nenáhodné chýbanie dát. Na ukážke si do dátovej matice zámerne vloží hodnoty NaN a postupne predstavuje metódy: zmazanie celého radu s chýbajúcim údajom (vhodné pri chýbaní pod približne 5 %), nahradenie predchádzajúcou hodnotou s drobným posunom, použitie poslednej pozorovanej hodnoty a algoritmus expectation-maximization s odhadom kovariančnej matice. V závere začína kódovať zmazanie celých radov v Matlabe pomocou cyklov.

• - Chýbajúce dáta v časových radoch majú iný pôvod (sviatky, chýbajúce merania, nevydané dlhopisy) než pri prieskumoch.
• - Treba rozlišovať náhodné chýbanie dát a chýbanie so systematickým mechanizmom, ktorý môže ovplyvniť výsledky.
• - Pri doplňovaní dát treba dbať, aby sa neskreslili základné štatistiky a volatilita radu.
• - Zmazanie celého radu s chýbajúcou hodnotou je prijateľné pri malom podiele chýbania (do ~5 %), no pri paneloch môže zničiť väčšinu vzorky.
• - Nahradenie predchádzajúcou hodnotou s malým posunom (napr. 10^-6) zabráni nekonečnu pri logaritmických diferenciách a len mierne posunie rozdelenie.
• - Algoritmus expectation-maximization využíva regresiu a zachováva kovariančnú maticu; Matlab kód je k dispozícii zo Schneiderovej štúdie.
• - Pred spracovaním treba zharmonizovať dĺžky a dátumy radov; Matlab vie načítať dátumy z Bloombergu.

Zhrnutie pripravené s pomocou AI z prepisu videa.