Analisi di portafoglio intermedia in R
Ross Bennett
Instructor
Input del problema di ottimizzazione del portafoglio:
Asset
Vincoli
Obiettivi
Momenti dei rendimenti
Primo momento: vettore dei rendimenti attesi
Secondo momento: matrice varianza-covarianza
Terzo momento: matrice di coskewness
Quarto momento: matrice di cokurtosi
I momenti da stimare dipendono da obiettivi e vincoli:
Media - Varianza
Vettore dei rendimenti attesi
Matrice di covarianza
Varianza minima
Ledoit e Wolf (2003): "Il messaggio centrale di questo articolo è che nessuno dovrebbe usare la matrice di covarianza campionaria per l’ottimizzazione di portafoglio."
Metodi:
Sample
Stimatori shrinkage
Modello a fattori
Espressione di view
Statistiche robuste
Portafoglio a 20 asset:
| Metodo | Campione | k = 3 fattori |
|---|---|---|
| # di parametri | 210 | 86 |
set.portfolio.moments(R,
portfolio,
method = c("sample", "boudt", "black_litterman", "meucci"),
...)
set.portfolio.moments() supporta vari metodi:
Sample
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 ...
Analisi di portafoglio intermedia in R