Optimisation avec une fonction de moments personnalisée
Nous allons maintenant lancer l’optimisation en utilisant notre fonction de moments personnalisée. Rappelez‑vous que les moments du portefeuille sont définis dans optimize.portfolio() lorsque la fonction de moments est évaluée. Nous utilisons la fonction de moments personnalisée en passant son nom à l’argument momentFUN de optimize.portfolio(). Observez comment PortfolioAnalytics permet d’exécuter facilement des optimisations avec différentes méthodes d’estimation des moments ; cela nous permettra de comparer plusieurs techniques d’estimation et d’affiner ces estimations en analysant les résultats de l’optimisation.
Cet exercice fait partie du cours
Analyse de portefeuille intermédiaire en R
Instructions
Un objet de spécification de portefeuille, port_spec, ainsi qu’une fonction de moments personnalisée, moments_robust(), ont déjà été créés pour cet exercice.
- Exécutez l’optimisation avec les estimations de moments personnalisées. Affectez le résultat à une variable nommée
opt_custom. - Affichez la sortie de
opt_custom. - Exécutez l’optimisation avec les estimations de moments empiriques. Affectez le résultat à une variable nommée
opt_sample. - Affichez la sortie de
opt_sample.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Run the optimization with custom moment estimates
opt_custom <- optimize.portfolio(R = ___, portfolio = ___, optimize_method = "random", rp = rp, momentFUN = ___)
# Print the results of the optimization with custom moment estimates
# Run the optimization with sample moment estimates
opt_sample <- optimize.portfolio(R = ___, portfolio = ___, optimize_method = "random", rp = rp)
# Print the results of the optimization with sample moment estimates