Geavanceerde momentenschattingen

PortfolioAnalytics ondersteunt de methode "sample" en drie meer geavanceerde methoden voor het schatten van portfoliomomenten.

"sample": Basissteekproefschatting van de eerste vier momenten.
"boudt": De eerste vier momenten worden geschat door een statistisch factormodel te fitten, gebaseerd op het werk van Boudt et al., 2014.
"black_litterman": De eerste twee momenten worden geschat met het Black-Litterman-raamwerk.
"Meucci": De eerste twee momenten worden geschat met het Fully Flexible Views-raamwerk.

In deze oefening schat je het tweede moment met de methode "boudt". Een portfolio-specificatieobject port_spec met een "StdDev"-doelstelling is al aangemaakt.

Deze oefening maakt deel uit van de cursus

Gevorderde portefeuilleanalyse in R

Cursus bekijken

Oefeninstructies

Print het portfolio-specificatieobject.
Fit een statistisch factormodel met 3 factoren op de rendementen van de assets. Ken dit toe aan een variabele fit.
Schat de portfoliomomenten met de methode "boudt" met 3 factoren. Ken dit toe aan een variabele moments_boudt.
Gebruik extractCovariance() om de geschatte variantie-covariantiematrix uit fit te halen en controleer of deze gelijk is aan de schatting in moments_boudt

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Print the portfolio specification object


# Fit a statistical factor model to the asset returns
fit <- statistical.factor.model(R = ___, k = ___)

# Estimate the portfolio moments using the "boudt" method with 3 factors
moments_boudt <- set.portfolio.moments(R = ___, portfolio = ___, method = ___, k = ___)

# Check if the covariance matrix extracted from the model fit is equal to the estimate in `moments_boudt`
moments_boudt$___ == extractCovariance(___)

Code bewerken en uitvoeren