Avancerade momentskattningar
PortfolioAnalytics stödjer metoden "sample" samt tre mer avancerade metoder för att skatta portföljmoment.
"sample": Grundläggande stickprovsbaserad skattning av de fyra första momenten."boudt": De fyra första momenten skattas genom att anpassa en statistisk faktormodell baserad på arbetet av Boudt et al., 2014."black_litterman": De två första momenten skattas med hjälp av Black-Litterman-ramverket."Meucci": De två första momenten skattas med hjälp av Fully Flexible Views-ramverket.
I den här övningen skattar du det andra momentet med metoden "boudt". Ett portföljspecifikationsobjekt med namnet port_spec och ett "StdDev"-mål har redan skapats.
Den här övningen är en del av kursen
Portföljanalys på avancerad nivå i R
Övningsinstruktioner
- Skriv ut portföljspecifikationsobjektet.
- Anpassa en statistisk faktormodell med 3 faktorer till tillgångsavkastningarna. Tilldela resultatet till en variabel med namnet
fit. - Skatta portföljmomenten med metoden "boudt" och 3 faktorer. Tilldela resultatet till en variabel med namnet
moments_boudt. - Använd
extractCovariance()för att hämta den skattade varians-kovariansmatrisen frånfitoch kontrollera om den är lika med skattningen imoments_boudt.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Print the portfolio specification object
# Fit a statistical factor model to the asset returns
fit <- statistical.factor.model(R = ___, k = ___)
# Estimate the portfolio moments using the "boudt" method with 3 factors
moments_boudt <- set.portfolio.moments(R = ___, portfolio = ___, method = ___, k = ___)
# Check if the covariance matrix extracted from the model fit is equal to the estimate in `moments_boudt`
moments_boudt$___ == extractCovariance(___)