Aan de slagGa gratis aan de slag

Evaluatie met gesplitste steekproef

In hoofdstuk 2 gebruikte je de functie window() om je rendementen te filteren voor grafische doeleinden. In deze oefening gebruik je window() om twee steekproeven te maken: een schattingssteekproef en een evaluatiesteekproef. Deze oefening laat zien hoe portefeuillegewichten kunnen verschillen wanneer je het schattingsvenster verandert.

Als herinnering: de functie window() heeft de argumenten x, start en end. Daarbij zijn start en end in het formaat "YYYY-MM-DD".

Het object returns is geladen in je werkruimte.

Deze oefening maakt deel uit van de cursus

Introductie tot portefeuilleanalyse in R

Cursus bekijken

Oefeninstructies

  • Maak de steekproef returns_estim door returns te subsetten, waarbij de steekproef begint op 1 januari 1991 en eindigt op 31 december 2003.
  • Maak de steekproef returns_eval door returns te subsetten, waarbij de steekproef begint op de eerste dag van 2004 en eindigt op de laatste dag van 2015.
  • Maak een vector met maximale gewichten gelijk aan 10%, met een lengte gelijk aan het aantal kolommen in returns, en noem deze max_weights.
  • Maak een portefeuille met de schattingssteekproef, pf_estim, waarbij het maximale gewicht (reshigh) is ingesteld op max_weights.
  • Maak een portefeuille met de evaluatiesteekproef, pf_eval, waarbij het maximale gewicht (reshigh) is ingesteld op max_weights.
  • Maak een spreidingsdiagram van de evaluatieportefeuillegewichten versus de schattingsportefeuillegewichten (je kunt $pw gebruiken). Als de portefeuillegewichten identiek zijn, liggen ze op de 45-gradenlijn.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Create returns_estim 
returns_estim <- window(___, start = "YYYY-MM-DD", end = "YYYY-MM-DD")

# Create returns_eval


# Create vector of max weights
max_weights <- rep(___, ncol(___))

# Create portfolio with estimation sample 
pf_estim <- portfolio.optim(___, reshigh = ___)

# Create portfolio with evaluation sample


# Create a scatter plot with evaluation portfolio weights on the vertical axis
plot(___, ___)
abline(a = 0, b = 1, lty = 3)
Code bewerken en uitvoeren