Analiză intermediară a portofoliului în R
Ross Bennett
Instructor
Intrările problemei de optimizare a portofoliului:
Active
Constrângeri
Obiective
Momentele randamentului activelor
Momentul 1: vectorul randamentelor așteptate
Momentul 2: matricea varianță-covarianță
Momentul 3: matricea de coasimetrie
Momentul 4: matricea de cocurtoză
Momentele estimate sunt determinate de obiective și constrângeri:
Medie - Varianță
Vectorul randamentelor așteptate
Matricea de covarianță
Varianță minimă
Ledoit și Wolf (2003): „Mesajul central al acestei lucrări este că nimeni nu ar trebui să utilizeze matricea de covarianță empirică pentru optimizarea portofoliului."
Metode:
Empirică
Estimatori prin contracție
Model factorial
Exprimarea opiniilor
Statistici robuste
Portofoliu cu 20 de active:
| Metodă | Empirică | k = 3 factori |
|---|---|---|
| Nr. de parametri | 210 | 86 |
set.portfolio.moments(R,
portfolio,
method = c("sample", "boudt", "black_litterman", "meucci"),
...)
set.portfolio.moments() acceptă mai multe metode:
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 ...
Analiză intermediară a portofoliului în R