雙資產情境下的驅動因子

R 投資組合分析入門

Kris Boudt

Professor, Free University Brussels & Amsterdam

未來報酬具隨機性

第 3 章影片 1.002

未來報酬具隨機性

第 3 章影片 1.003

未來報酬具隨機性

第 3 章影片 1.004

未來報酬具隨機性

第 3 章影片 1.005

由過去表現到預測

第 3 章影片 1.007

由過去表現到預測

第 3 章影片 1.008

由過去表現到預測

第 3 章影片 1.009

由過去表現到預測

第 3 章影片 1.010

由過去表現到預測

第 3 章影片 1.011

由過去表現到預測

第 3 章影片 1.012

均值與變異數的驅動因子

假設有兩個資產：

Asset 1	Asset 2
Weight: $w_1$	Weight: $w_2$
Return: $R_1$	Return: $R_2$

投資組合報酬，$P = w1 \cdot R1 + w2\cdot R2$
因此：$E[P] = w_1\cdot E[R_1]+ w_2\cdot E[R_2]$

投資組合報酬的變異數

同樣是含 2 個資產的投資組合

$var(P)$ = $w_1^2\cdot var(R_1) $ $+ w_2^2\cdot var(R_2) $ $+ 2\cdot w_1 \cdot w_2 \cdot cov(R_1, R_2)$

報酬 1 與 2 的共變異數

$Cov(R_1,R_2)$
- $ = E[(R_1 - E[R_1])(R_2 - E(R_2))]$
- $ = StdDev(R_1)\cdot StdDev(R_2)\cdot corr(R_1,R_2)$

相關性

相關係數

重點公式

E[投資組合報酬] = $E[P] = w_1\cdot E[R_1] + w_2\cdot E[R_2]$
var(投資組合報酬) = $var(P)$ = $w_1^2\cdot var(R_1) $ $+ w_2^2\cdot var(R_2) $ $+ 2\cdot w_1 \cdot w_2 \cdot cov(R_1, R_2)$

一起來練習吧！

R 投資組合分析入門

Preparing Video For Download...