Чи дають поліпшені оцінки кращі результати?

Припустімо, що використання робастної оцінки матриці варіацій‑коваріацій перевершить вибіркову матрицю варіацій‑коваріацій. Теоретично кращі оцінки мають давати кращі результати. Ми використаємо функцію moments_robust() (визначену в розділі 3) і специфікацію портфеля з попередньої вправи.

Ця вправа є частиною курсу

Середній рівень аналізу портфеля в R

Переглянути курс

Інструкції до вправи

Запустіть оптимізацію, використовуючи функцію moments_robust() для оцінювання моментів. Бектест оптимізації застосує ті самі параметри, що й раніше: квартальне ребалансування з тренувальним періодом і ролінговим вікном на 5 років даних. Присвойте результати змінній opt_rebal_rb_robust.
Побудуйте графік ваг.
Побудуйте графік компонентного відсоткового внеску в ризик.
Обчисліть дохідність портфеля за допомогою Return.portfolio(). Присвойте дохідності змінній returns_rb_robust.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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"

Редагувати та запускати код