Estimările îmbunătățite duc la performanțe mai bune?

Să emitem ipoteza că utilizarea unei estimări robuste a matricei varianță-covarianță va depăși performanța matricei eșantion. În teorie, estimările mai bune ar trebui să conducă la rezultate mai bune. Vom folosi funcția moments_robust() definită în capitolul 3 și specificația portofoliului din exercițiul anterior.

Acest exercițiu face parte din cursul

Analiză intermediară a portofoliului în R

Vezi cursul

Instrucțiuni pentru exercițiu

Rulează optimizarea folosind funcția moments_robust() pentru a estima momentele. Backtestul de optimizare va folosi aceiași parametri ca anterior: rebalansare trimestrială, cu o perioadă de antrenament și o fereastră glisantă de 5 ani de date. Atribuie rezultatele unei variabile numite opt_rebal_rb_robust.
Reprezintă grafic ponderile.
Reprezintă grafic contribuția procentuală a componentelor la risc.
Calculează randamentele portofoliului folosind Return.portfolio(). Atribuie randamentele unei variabile numite returns_rb_robust.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Run the optimization
opt_rebal_rb_robust <- optimize.portfolio.rebalancing(R = ___, 
                                                      momentFUN = ___,
                                                      portfolio = ___, 
                                                      optimize_method = "random", rp = rp,
                                                      trace = TRUE,
                                                      rebalance_on = ___, 
                                                      training_period = ___,
                                                      rolling_window = ___)

# Chart the weights


# Chart the percentage contribution to risk
chart.RiskBudget(___, match.col = "StdDev", risk.type = ___)

# Compute the portfolio returns
returns_rb_robust <- Return.portfolio(R = ___, weights = ___)
colnames(returns_rb_robust) <- "rb_robust"

Editează și rulează codul