Analiza portfela – poziom średniozaawansowany w R
Ross Bennett
Instructor
Dane wejściowe do optymalizacji portfela:
Aktywa
Ograniczenia
Cele
Momenty zwrotów z aktywów
Moment pierwszy: wektor oczekiwanych zwrotów
Moment drugi: macierz wariancji-kowariancji
Moment trzeci: macierz współskośności
Moment czwarty: macierz współkurtozy
Szacowane momenty zależą od celów i ograniczeń:
Średnia – Wariancja
Wektor oczekiwanych zwrotów
Macierz kowariancji
Minimalna wariancja
Ledoit i Wolf (2003): „Główny przekaz tej pracy jest taki, że nikt nie powinien używać próbkowej macierzy kowariancji do optymalizacji portfela."
Metody:
Próbkowa
Estymatory shrinkage
Model czynnikowy
Wyrażanie poglądów
Statystyki odporne
Portfel 20 aktywów:
| Metoda | Próbkowa | k = 3 czynniki |
|---|---|---|
| Liczba parametrów | 210 | 86 |
set.portfolio.moments(R,
portfolio,
method = c("sample", "boudt", "black_litterman", "meucci"),
...)
set.portfolio.moments() obsługuje kilka metod:
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 ...
Analiza portfela – poziom średniozaawansowany w R