Otimização de um único período

Existem duas funções para executar a otimização: optimize.portfolio() e optimize.portfolio.rebalancing(). Este exercício foca na otimização de um único período e o próximo exercício usará optimize.portfolio.rebalancing() para otimização com rebalanceamento periódico. optimize.portfolio() oferece suporte à otimização de um único período. Os principais argumentos incluem R para os retornos dos ativos, portfolio para o objeto de especificação do portfólio e optimize_method para indicar o método de otimização usado para resolver o problema. Em muitos casos, é útil especificar trace = TRUE para armazenar informações adicionais de cada iteração/tentativa da otimização.

Os seguintes métodos de otimização são suportados:

• DEoptim: Evolução diferencial
• random: Portfólios aleatórios
• GenSA: Simulated Annealing generalizado
• pso: Otimização por enxame de partículas
• ROI: R Optimization Infrastructure para resolvedores de programação linear e quadrática

O método de otimização escolhido deve se basear no tipo de problema que você está resolvendo. Por exemplo, um problema que pode ser formulado como programação quadrática deve ser resolvido com um resolvedor de programação quadrática, enquanto um problema não convexo deve ser resolvido com um resolvedor global como o DEoptim.

Neste exercício, vamos definir o problema de otimização do portfólio para maximizar o retorno médio e minimizar o desvio padrão do portfólio com um orçamento de risco por desvio padrão, em que o percentual mínimo de risco é 5% e o máximo é 10%, sujeito a alocação total e apenas posições compradas (long only). O objetivo de orçamento de risco requer um resolvedor global, então vamos resolver o problema usando portfólios aleatórios. O conjunto de portfólios aleatórios, rp, é gerado usando 500 permutações para este exercício.