Portföljanalys på avancerad nivå i R
Ross Bennett
Instructor
Indata till portföljoptimeringsproblemet:
Tillgångar
Begränsningar
Mål
Moment av tillgångsavkastning
Första momentet: vektor med förväntad avkastning
Andra momentet: varians-kovariansmatris
Tredje momentet: koskewhetsmatris
Fjärde momentet: kokurtosismatris
Vilka moment som skattas beror på mål och begränsningar:
Medelvärde – Varians
Vektor med förväntad avkastning
Kovariansmatris
Minsta varians
Ledoit och Wolf (2003): "The central message of this paper is that nobody should be using the sample covariance matrix for the purpose of portfolio optimization."
Metoder:
Stickprov
Krympningsskattare
Faktormodell
Uttrycka åsikter
Robust statistik
Portfölj med 20 tillgångar:
| Metod | Stickprov | k = 3 faktorer |
|---|---|---|
| Antal parametrar | 210 | 86 |
set.portfolio.moments(R,
portfolio,
method = c("sample", "boudt", "black_litterman", "meucci"),
...)
set.portfolio.moments() stöder flera metoder:
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 ...
Portföljanalys på avancerad nivå i R