使用矩陣記號

R 投資組合分析入門

Kris Boudt

Professor, Free University Brussels & Amsterdam

n 個資產的關鍵變數

$w$:$N$ x 1 投資組合權重的直行矩陣:

$$w = \left[{\begin{array}{c} w_1 \\ w_2 \\ ...\\w_N\end{array} }\right]$$

$\mu$:期望報酬的 $N$ x 1 直行矩陣:

$$\mu = \left[{\begin{array}{c} \mu_1 \\ \mu_2 \\ ...\\ \mu_N\end{array} }\right]$$

$R$:資產報酬的 $N$ x 1 直行矩陣:

$$ \color{red} {R =\left[{\begin{array}{c} R_1 \\ R_2 \\ ...\\R_N\end{array} }\right]}$$

$\Sigma$:$N$ 個資產報酬的 $N$ x $N$ 協方差矩陣:

$$w = \left[ {\begin{array}{cccc} {\large \sigma^2_{1}} & \sigma_{12} & ... & \sigma_{1N} \\ \sigma_{21} & {\large \sigma^2_{2}} & ... & \sigma_{2N} \\ ... & ... & ... & ... \\ \sigma_{N1} & \sigma_{N2} & ... & {\large \sigma^2_{N}} \end{array} } \right]$$

R 投資組合分析入門

從 2 個推廣到 n 個資產

第 3 章 影片 2.002

R 投資組合分析入門

從 2 個推廣到 n 個資產

第 3 章 影片 2.003_1

R 投資組合分析入門

從 2 個推廣到 n 個資產

第 3 章 影片 2.004_1

R 投資組合分析入門

用矩陣簡化記號

  • 用矩陣記號避免大量項次
  • 共有 4 個矩陣:
    • 權重($w$)、報酬($R$)、期望報酬($\mu$)、協方差矩陣($\Sigma$)

$$w = \left[{\begin{array}{c} w_1 \\ w_2 \\ ...\\w_N\end{array} }\right]$$

$$w' = \left[{\begin{array}{c} w_1\ w_2\ ...\ w_N\end{array} }\right]$$

R 投資組合分析入門

簡化記號

第 3 章 影片 2.006_1

R 投資組合分析入門

簡化記號

第 3 章 影片 2.007_1

R 投資組合分析入門

簡化記號

第 3 章 影片 2.008_1

R 投資組合分析入門

一起來練習吧!

R 投資組合分析入門

Preparing Video For Download...