Tidsserien för portföljavkastning

I föregående övning skapade du en variabel kallad returns från de dagliga priserna på aktier i Apple och Microsoft. I den här övningen skapar du två portföljer baserade på den avkastningsserie du tog fram tidigare. De två portföljerna skiljer sig på ett sätt, nämligen i hur tillgångarna viktas.

I det senaste videoavsnittet introducerades du till två viktningsstrategier: köp-och-behåll-strategin och en månadsvis ombalanseringsstrategi. I den här övningen skapar du en portfölj utan ombalansering och en där du ombalanserar månadsvis. Sedan visualiserar du portföljernas avkastning.

Du kommer att använda funktionen Return.portfolio() för dina beräkningar. Funktionen tar tre argument: R, weights och rebalance_on. R är en tidsserie med avkastningar, weights är en vektor med tillgångsvikter och rebalance_on anger vilken kalenderperiod som ska användas för ombalansering. Behöver du hjälp kan du klicka på funktionen för att läsa dokumentationen!

I den här övningen arbetar du med returns-data som redan finns inlästa i din workspace.

Den här övningen är en del av kursen

Introduktion till portföljanalys i R

Visa kurs

Övningsinstruktioner

Skapa en viktvektor för två lika viktade tillgångar och kalla den eq_weights. Kom ihåg att vikterna måste summera till 1.
Skapa en portfölj med köp-och-behåll-strategin med hjälp av Return.portfolio(). Du behöver inte ange någon ombalanseringsperiod. Kalla den pf_bh.
Skapa en portfölj där du ombalanserar vikterna månadsvis. Använd Return.portfolio() med argumentet rebalance_on = "months". Kalla den pf_rebal.
Plotta tidsserien för varje portfölj med plot.zoo(). par(mfrow = c(2, 1), mar = c(2, 4, 2, 2)) används för att organisera diagrammen. Ändra inte den koden.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create the weights
eq_weights <- c(___, ___)

# Create a portfolio using buy and hold
pf_bh <- Return.portfolio(R = ___, weights = ___)

# Create a portfolio rebalancing monthly 


# Plot the time-series
par(mfrow = c(2, 1), mar = c(2, 4, 2, 2))
plot.zoo(___)
plot.zoo(___)

Redigera och kör kod