Evaluasi sampel-terpisah

Pada bab 2, Anda menggunakan fungsi window() untuk membagi himpunan imbal hasil Anda untuk tujuan grafis. Pada latihan ini, Anda akan menggunakan window() untuk membuat dua sampel: sampel estimasi dan sampel evaluasi. Latihan ini akan menunjukkan bagaimana bobot portofolio dapat berbeda ketika jendela estimasi diubah.

Sebagai pengingat, fungsi window() memiliki argumen x, start, dan end. Nilai start dan end menggunakan format "YYYY-MM-DD".

Objek returns sudah dimuat di lingkungan kerja Anda.

Latihan ini adalah bagian dari kursus

Pengantar Analisis Portofolio di R

Lihat Kursus

Petunjuk latihan

Buat sampel returns_estim dengan melakukan subset pada returns, dengan sampel dimulai pada 1 Januari 1991 dan berakhir pada 31 Desember 2003.
Buat sampel returns_eval dengan melakukan subset pada returns, dengan sampel dimulai pada hari pertama tahun 2004 dan berakhir pada hari terakhir tahun 2015.
Buat sebuah vektor bobot maksimum sebesar 10%, dengan panjang sama dengan jumlah kolom pada returns, bernama max_weights.
Buat portofolio dengan sampel estimasi bernama pf_estim, dengan bobot maksimum (reshigh) diatur ke max_weights.
Buat portofolio dengan sampel evaluasi bernama pf_eval, dengan bobot maksimum (reshigh) diatur ke max_weights.
Buat plot pencar bobot portofolio evaluasi terhadap bobot portofolio estimasi (ingat bahwa Anda dapat menggunakan $pw). Jika bobot portofolio identik, titik-titiknya akan berada pada garis 45 derajat.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Create returns_estim 
returns_estim <- window(___, start = "YYYY-MM-DD", end = "YYYY-MM-DD")

# Create returns_eval


# Create vector of max weights
max_weights <- rep(___, ncol(___))

# Create portfolio with estimation sample 
pf_estim <- portfolio.optim(___, reshigh = ___)

# Create portfolio with evaluation sample


# Create a scatter plot with evaluation portfolio weights on the vertical axis
plot(___, ___)
abline(a = 0, b = 1, lty = 3)

Edit dan Jalankan Kode