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 empirique de base des quatre premiers moments."boudt": les quatre premiers moments sont estimés en ajustant un modèle factoriel statistique, d’après 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 allez estimer le second moment avec la méthode "boudt". Un objet de spécification de portefeuille nommé port_spec avec un objectif "StdDev" a déjà été créé.
Cet exercice fait partie du cours
Analyse de portefeuille intermédiaire en R
Instructions
- Affichez l’objet de spécification de portefeuille.
- Ajustez un modèle factoriel statistique à 3 facteurs sur les rendements des actifs. Affectez-le à une variable nommée
fit. - Estimez les moments du portefeuille avec la méthode "boudt" à 3 facteurs. Affectez-les à une variable nommée
moments_boudt. - Utilisez
extractCovariance()pour récupérer la matrice variance-covariance estimée à partir defitet vérifiez qu’elle est égale à l’estimation dansmoments_boudt
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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(___)