İyileştirilmiş tahminler daha iyi performansa yol açar mı?

Varyans-kovaryans matrisinin sağlam (robust) tahminini kullanmanın, örneklem varyans-kovaryans matrisinden daha iyi sonuç vereceğini varsayalım. Kuramsal olarak, daha iyi tahminler daha iyi sonuçlara yol açmalıdır. Bölüm 3'te tanımlanan moments_robust() fonksiyonunu ve bir önceki egzersizdeki portföy tanımını kullanacağız.

Bu egzersiz

R ile Orta Düzey Portföy Analizi

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Momentleri tahmin etmek için moments_robust() fonksiyonunu kullanarak optimizasyonu çalıştır. Geriye dönük test (backtest) daha önce kullanılan aynı parametreleri kullanacak: eğitim dönemi ve 5 yıllık veriyi kullanan hareketli pencere ile üç aylık yeniden dengeleme. Sonuçları opt_rebal_rb_robust adlı bir değişkene ata.
Ağırlıkları görselleştir.
Riske bileşen bazında yüzde katkı grafiğini çiz.
Portföy getirilerini Return.portfolio() ile hesapla. Getirileri returns_rb_robust adlı bir değişkene ata.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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"

Kodu Düzenle ve Çalıştır