1. Learn
    2. /
  2. Courses
    3. /
  3. R로 배우는 포트폴리오 분석 입문
Connected

Exercise

가중치 제약 적용하기

투자자는 종종 포트폴리오 가중치에 대해 허용되는 최대값의 제약을 받습니다. 이런 제약은 실제로 장점이 될 수 있어요. 최대 가중치 제약의 장점은 이후 포트폴리오가 특정 자산에 덜 집중되도록 만든다는 점입니다. 하지만 단점도 있습니다. 같은 목표 수익률을 더 이상 달성하지 못하거나, 더 높은 변동성을 감수해야 할 수 있습니다.

이전 연습 문제에서 portfolio.optim() 함수가 reshigh 인자를 통해 가중치 제약을 설정할 수 있다는 점을 기억하세요. reshigh에는 각 자산에 대한 최대 가중치 벡터가 필요합니다.

이 연습에서는 서로 다른 최대 가중치 제약을 가진 세 개의 포트폴리오를 만들게 됩니다. 이를 위해 portfolio.optim() 함수의 출력 구조를 아는 것이 중요합니다. 이 함수는 네 가지 구성 요소를 담은 리스트를 반환합니다: (i) $pw: 포트폴리오 가중치, (ii) $px: 전체 포트폴리오 수익률, (iii) $pm: 기대 수익률 포트폴리오, (iv) $ps: 포트폴리오 수익률의 표준편차.

Instructions

100 XP
  • rep() 함수를 사용해 returns의 각 자산(열)에 대한 최대 가중치 벡터 3개를 만드세요. 첫 번째 벡터는 최대 가중치 100%, 두 번째는 10%, 세 번째는 5%로 하세요. 각각을 max_weights1, max_weights2, max_weights3라고 부르세요.
  • 최대 가중치 100%로 최적 포트폴리오를 만들어 opt1이라고 하세요.
  • 최대 가중치 10%로 최적 포트폴리오를 만들어 opt2라고 하세요.
  • 최대 가중치 5%로 최적 포트폴리오를 만들어 opt3라고 하세요.
  • 각 포트폴리오에서 가중치가 1%보다 큰 자산의 개수를 계산하세요. 가중치는 포트폴리오 이름 뒤에 $pw로 접근합니다.
  • 생성한 세 포트폴리오의 변동성(표준편차 $ps)을 출력하세요.