एसेट रिटर्न मोमेंट्स
R में इंटरमीडिएट पोर्टफोलियो विश्लेषण
Ross Bennett
Instructor
ऑप्टिमाइज़ेशन इनपुट्स
पोर्टफोलियो ऑप्टिमाइज़ेशन के इनपुट:
एसेट्स
बाधाएँ
उद्देश्य
एसेट रिटर्न के मोमेंट्स
एसेट रिटर्न मोमेंट्स
पहला मोमेंट: अपेक्षित रिटर्न्स वेक्टर
दूसरा मोमेंट: वैरिएंस-कोवैरीयंस मैट्रिक्स
तीसरा मोमेंट: को-स्क्यूनेस मैट्रिक्स
चौथा मोमेंट: को-कर्टोसिस मैट्रिक्स
एसेट रिटर्न मोमेंट्स
कौन-से मोमेंट्स अनुमानित करने हैं, यह उद्देश्यों और बाधाओं से तय होता है:
मीन - वैरिएंस
अपेक्षित रिटर्न्स वेक्टर
कोवैरीयंस मैट्रिक्स
मिनिमम वैरिएंस
- कोवैरीयंस मैट्रिक्स
एसेट रिटर्न मोमेंट एस्टीमेट्स
Ledoit और Wolf (2003): "The central message of this paper is that nobody should be using the sample covariance matrix for the purpose of portfolio optimization."
मेथड्स:
सैंपल
श्रिंकेज एस्टीमेटर्स
फैक्टर मॉडल
व्यूज़ व्यक्त करना
रोबस्ट स्टैटिस्टिक्स
20 एसेट पोर्टफोलियो:
| मेथड | सैंपल | k = 3 फैक्टर |
|---|---|---|
| पैरामीटर्स की संख्या | 210 | 86 |
PortfolioAnalytics में मोमेंट्स कैलकुलेट करना
set.portfolio.moments(R,
portfolio,
method = c("sample", "boudt", "black_litterman", "meucci"),
...)
set.portfolio.moments() कई मेथड सपोर्ट करता है:
सैंपल
Boudt
Black-Litterman
Meucci
उदाहरण: PortfolioAnalytics में मोमेंट्स
# 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)
उदाहरण: PortfolioAnalytics में मोमेंट्स
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 ...
अभ्यास करते हैं!
R में इंटरमीडिएट पोर्टफोलियो विश्लेषण
