Backtesten met periodiek herbalanceren

Nu gaan we de backtest uitvoeren met de portefeuillespecificatie die je in de vorige oefening hebt gemaakt, met een kwartaalherbalancering om de out-of-sample-prestatie te beoordelen. De andere backtestparameters die we moeten instellen zijn de trainingsperiode en het rolling window. De trainingsperiode bepaalt hoeveel datapunten worden gebruikt voor de initiële optimalisatie. Het rolling window bepaalt hoeveel perioden in het venster worden gebruikt. Dit probleem kan worden opgelost met een solver voor kwadratisch programmeren, dus we gebruiken "ROI" als optimalisatiemethode.

Deze oefening maakt deel uit van de cursus

Gevorderde portefeuilleanalyse in R

Cursus bekijken

Oefeninstructies

Voer de optimalisatie uit met kwartaalherbalancering. Stel de trainingsperiode en het rolling window in op 5 jaar aan data. Sla de resultaten op in een variabele opt_rebal_base.
Print de resultaten van de optimalisatie.
Maak een grafiek van de wegingen.
Bereken de portefeuillerendementen met Return.portfolio. Sla de rendementen op in een variabele returns_base.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.


# Run the optimization
opt_rebal_base <- optimize.portfolio.rebalancing(R = ___, 
                                                 portfolio = ___, 
                                                 optimize_method = "ROI", 
                                                 rebalance_on = ___, 
                                                 training_period = ___,
                                                 rolling_window = ___)

# Print the results


# Chart the weights


# Compute the portfolio returns
returns_base <- Return.portfolio(R = ___, weights = ___)
colnames(returns_base) <- "base"

Code bewerken en uitvoeren