Estimations avancées des moments

PortfolioAnalytics prend en charge la méthode « sample » ainsi que trois méthodes plus avancées pour estimer les moments d'un portefeuille.

"sample" : estimation simple par échantillonnage des quatre premiers moments.
"boudt" : les quatre premiers moments sont estimés en ajustant un modèle factoriel statistique fondé sur les travaux de Boudt et al., 2014.
"black_litterman" : les deux premiers moments sont estimés à l'aide du cadre Black‑Litterman.
"Meucci" : les deux premiers moments sont estimés à l'aide du cadre Fully Flexible Views.

Dans cet exercice, vous estimerez le deuxième moment à l'aide de la méthode « boudt ». Un objet de spécification de portefeuille nommé port_spec avec un objectif « StdDev » a déjà été créé.

Cette activité fait partie du cours

Analyse de portefeuille intermédiaire en R

Voir le cours

Instructions de l’exercice

Affichez l'objet de spécification du portefeuille.
Ajustez un modèle factoriel statistique avec 3 facteurs aux rendements des actifs. Assignez le résultat à une variable nommée fit.
Estimez les moments du portefeuille avec la méthode « boudt » et 3 facteurs. Assignez le résultat à une variable nommée moments_boudt.
Utilisez extractCovariance() pour obtenir la matrice de variance‑covariance estimée à partir de fit et vérifiez si elle est égale à l'estimation dans moments_boudt.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Print the portfolio specification object


# Fit a statistical factor model to the asset returns
fit <- statistical.factor.model(R = ___, k = ___)

# Estimate the portfolio moments using the "boudt" method with 3 factors
moments_boudt <- set.portfolio.moments(R = ___, portfolio = ___, method = ___, k = ___)

# Check if the covariance matrix extracted from the model fit is equal to the estimate in `moments_boudt`
moments_boudt$___ == extractCovariance(___)

Modifier et exécuter le code