Führen bessere Schätzungen zu besserer Performance?

Nehmen wir an, dass eine robuste Schätzung der Varianz-Kovarianz-Matrix die Stichproben-Varianz-Kovarianz-Matrix übertrifft. Theoretisch sollten bessere Schätzungen zu besseren Ergebnissen führen. Wir verwenden die in Kapitel 3 definierte Funktion moments_robust() und die Portfoliospezifikation aus der letzten Übung.

Diese Übung ist Teil des Kurses

Fortgeschrittene Portfolioanalyse in R

Kurs anzeigen

Anleitung zur Übung

Führe die Optimierung mit der Funktion moments_robust() aus, um die Momente zu schätzen. Der Optimierungs-Backtest verwendet dieselben Parameter wie zuvor: vierteljährliches Rebalancing mit Trainingsperiode und rollendem Fenster über 5 Jahre Daten. Weise die Ergebnisse einer Variablen namens opt_rebal_rb_robust zu.
Stelle die Gewichte als Diagramm dar.
Stelle den prozentualen Komponentenbeitrag zum Risiko als Diagramm dar.
Berechne die Portfoliorenditen mit Return.portfolio(). Weise die Renditen einer Variablen namens returns_rb_robust zu.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Run the optimization
opt_rebal_rb_robust <- optimize.portfolio.rebalancing(R = ___, 
                                                      momentFUN = ___,
                                                      portfolio = ___, 
                                                      optimize_method = "random", rp = rp,
                                                      trace = TRUE,
                                                      rebalance_on = ___, 
                                                      training_period = ___,
                                                      rolling_window = ___)

# Chart the weights


# Chart the percentage contribution to risk
chart.RiskBudget(___, match.col = "StdDev", risk.type = ___)

# Compute the portfolio returns
returns_rb_robust <- Return.portfolio(R = ___, weights = ___)
colnames(returns_rb_robust) <- "rb_robust"

Code bearbeiten und ausführen