Een risico-rendement-scatterdiagram maken
In dit voorbeeld breid je je beleggingsmogelijkheden uit door een portefeuille samen te stellen met een US equities ETF (SPY), een US bonds ETF (AGG), een real estate investment trust (VNQ) en een ETF die de GSCI-grondstoffenindex volgt (GSG). De plot in de omgeving laat de prestaties van deze beleggingen zien.
Je kunt de \brelatieve\b aantrekkelijkheid van de beleggingen ook visualiseren met een scatterplot van de gemiddelde rendementen tegenover de volatiliteiten van de portefeuille. Hiervoor moet je de gemiddelden en volatiliteiten voor elk asset berekenen. Dit komt overeen met elke kolom in de rendementenreeks returns.
Deze berekeningen maak je eenvoudig met de functie apply(), waarbij het eerste argument de rendementendata zijn, het tweede argument de waarde 2 is om aan te geven dat er kolomgewijs moet worden gerekend, en het derde argument de naam is van de functie die op elke kolom moet worden toegepast.
Deze oefening maakt deel uit van de cursus
Introductie tot portefeuilleanalyse in R
Oefeninstructies
- Bereken de vector met gemiddelde rendementen voor deze vier beleggingen met
apply()en noem dezemeans(let op: je had ookcolMeans()kunnen gebruiken!). - Doe hetzelfde om de vector met standaarddeviaties te berekenen en noem deze
sds. - Maak een scatterplot met de basis plot-functie, met de volatiliteiten op de x-as en de gemiddelden op de y-as. Labels en een referentielijn in de plot zijn al voor je toegevoegd. Verander die code niet!
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Create a vector of returns
means <- apply(___, 2, "mean")
# Create a vector of standard deviation
# Create a scatter plot
plot(___, ___)
text(sds, means, labels = colnames(returns), cex = 0.7)
abline(h = 0, lty = 3)