शुरू करेंमुफ़्त में शुरू करें

क्या बेहतर अनुमान बेहतर प्रदर्शन दिलाते हैं?

मान लेते हैं कि variance-covariance मैट्रिक्स का robust अनुमान, sample variance-covariance मैट्रिक्स से बेहतर प्रदर्शन करेगा. सिद्धांत रूप में, बेहतर अनुमान बेहतर नतीजों तक ले जाने चाहिए. हम अध्याय 3 में परिभाषित moments_robust() फंक्शन और पिछले अभ्यास की पोर्टफोलियो स्पेसिफिकेशन का उपयोग करेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में इंटरमीडिएट पोर्टफोलियो विश्लेषण

पाठ्यक्रम देखें

अभ्यास निर्देश

  • मोमेंट्स का अनुमान लगाने के लिए moments_robust() फंक्शन का उपयोग करके ऑप्टिमाइज़ेशन चलाइए. ऑप्टिमाइज़ेशन बैकटेस्ट पहले वाले ही पैरामीटर उपयोग करेगा: क्वार्टरली रीबैलेंसिंग, प्रशिक्षण अवधि, और रोलिंग विंडो जिसमें 5 वर्षों का डेटा उपयोग होगा. परिणामों को opt_rebal_rb_robust नाम के वैरिएबल में असाइन करें.
  • वेट्स का चार्ट दिखाइए.
  • रिस्क में कंपोनेंट प्रतिशत कॉन्ट्रिब्यूशन का चार्ट दिखाइए.
  • Return.portfolio() का उपयोग करके पोर्टफोलियो रिटर्न compute करें. रिटर्न को returns_rb_robust नाम के वैरिएबल में असाइन करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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"
कोड संपादित करें और चलाएँ