Optimalisatie met periodiek herbalanceren
Het uitvoeren van de optimalisatie met periodiek herbalanceren en het analyseren van de out-of-sample resultaten van de backtest is een belangrijke stap om de constraints en doelstellingen beter te begrijpen en eventueel aan te scherpen. optimize.portfolio.rebalancing() ondersteunt optimalisatie met periodiek herbalanceren (backtesting) om de out-of-sample prestaties te onderzoeken. Naast de argumenten voor optimize.portfolio() moet je een periodieke herbalanceringsfrequentie opgeven met rebalance_on, training_period om het aantal perioden te specificeren dat als trainingsdata voor de initiële optimalisatie wordt gebruikt, en rolling_window om het aantal perioden voor de vensterbreedte van de optimalisatie te bepalen. Als rolling_window is ingesteld op NULL, gebruikt elke optimalisatie alle beschikbare data op het moment waarop de optimalisatie wordt uitgevoerd.
Om de rekentijd voor deze oefening te verkorten, wordt de set met willekeurige portefeuilles, rp, gegenereerd met 50 permutaties, en search_size, het aantal te testen portefeuilles, is ingesteld op 1000. Als je zelf daadwerkelijk portefeuilles optimaliseert, wil je waarschijnlijk meer portefeuilles testen (de standaardwaarde voor search_size is 20.000)!
Deze oefening maakt deel uit van de cursus
Gevorderde portefeuilleanalyse in R
Oefeninstructies
- Voer de optimalisatie uit met kwartaalherbalancering. Stel de training period en rolling window in op 60 perioden. De gegevensset bevat maanddata, dus we gebruiken 5 jaar aan historische data. Wijs de optimalisatie-output toe aan een variabele
opt_rebal. - Print de resultaten van de optimalisatie.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Run the optimization backtest with quarterly rebalancing
opt_rebal <- optimize.portfolio.rebalancing(R = ___, portfolio = ___, optimize_method = ___, rp = rp, trace = TRUE, search_size = 1000, rebalance_on = ___, training_period = ___, rolling_window = ___)
# Print the output of the optimization backtest