1. Учиться
    2. /
  2. Courses
    3. /
  3. R로 배우는 중급 포트폴리오 분석
Connected

Exercise

주기적 리밸런싱을 활용한 최적화

주기적 리밸런싱과 함께 최적화를 실행하고 백테스트의 표본 외(out-of-sample) 결과를 분석하는 것은 제약과 목표를 더 잘 이해하고 필요하면 개선하는 데 중요한 단계예요. optimize.portfolio.rebalancing()은 표본 외 성과를 살펴보기 위해 주기적 리밸런싱(백테스트)을 포함한 최적화를 지원합니다. optimize.portfolio()의 인자에 더해, rebalance_on으로 리밸런싱 빈도를 지정하고, 초기 최적화를 위한 학습 데이터로 사용할 기간 수를 training_period로, 최적화에 사용할 창의 길이(기간 수)를 rolling_window로 지정해야 해요. rolling_window가 NULL이면 각 최적화는 해당 시점에 사용 가능한 모든 데이터를 사용합니다.

이 연습 문제의 계산 시간을 줄이기 위해, 임의 포트폴리오 집합 rp는 50개의 치환으로 생성했고, 테스트할 포트폴리오 개수를 의미하는 search_size는 1000으로 설정했어요. 실제로 직접 포트폴리오를 최적화하실 때는 더 많은 포트폴리오를 테스트하는 것이 좋아요(search_size의 기본값은 20,000입니다)!

Инструкции

100 XP
  • 분기별 리밸런싱으로 최적화를 실행하세요. training_period와 rolling_window는 60 기간으로 설정하세요. 데이터는 월별이므로 과거 5년 데이터를 사용하는 셈입니다. 최적화 결과는 opt_rebal이라는 변수에 할당하세요.
  • 최적화 결과를 출력하세요.