Analisis Portofolio Tingkat Menengah di R
Ross Bennett
Instructor
Input untuk masalah optimasi portofolio:
Aset
Kendala
Tujuan
Momen imbal hasil aset
Momen pertama: vektor imbal hasil ekspektasian
Momen kedua: matriks varians–kovarians
Momen ketiga: matriks cokeskewness
Momen keempat: matriks cokurtosis
Momen yang diestimasi ditentukan oleh tujuan dan kendala:
Mean–Variance
Vektor imbal hasil ekspektasian
Matriks kovarians
Varians minimum
Ledoit dan Wolf (2003): "Pesan utama makalah ini adalah tidak seorang pun seharusnya menggunakan matriks kovarians sampel untuk optimasi portofolio."
Metode:
Sampel
Estimator shrinkage
Model faktor
Menyatakan pandangan
Statistika robust
Portofolio 20 Aset:
| Metode | Sampel | k = 3 faktor |
|---|---|---|
| # parameter | 210 | 86 |
set.portfolio.moments(R,
portfolio,
method = c("sample", "boudt", "black_litterman", "meucci"),
...)
set.portfolio.moments() mendukung beberapa metode:
Sampel
Boudt
Black-Litterman
Meucci
# Sample vs Boudt
sample_moments <- set.portfolio.moments(R = asset_returns,
portfolio = port_spec)
boudt_moments <- set.portfolio.moments(R = asset_returns,
portfolio = port_spec,
method = "boudt",
k = 1)
round(sample_moments$sigma, 6)
[,1] [,2] [,3] ...
[1,] 0.000402 -0.000034 0.000262 ...
[2,] -0.000034 0.000632 -0.000037 ...
[3,] 0.000262 -0.000037 0.000337 ...
[4,] 0.000429 -0.000010 0.000568 ...
round(boudt_moments$sigma, 6)
[,1] [,2] [,3] ...
[1,] 0.000403 -0.000016 0.000224 ...
[2,] -0.000016 0.000636 -0.000019 ...
[3,] 0.000224 -0.000019 0.000337 ...
[4,] 0.000523 -0.000044 0.000614 ...
Analisis Portofolio Tingkat Menengah di R