Đánh giá tách mẫu

Ở chương 2, bạn đã dùng hàm window() để lấy một phần dữ liệu lợi nhuận nhằm mục đích trực quan. Trong bài này, bạn sẽ dùng window() để tạo hai mẫu: một mẫu ước lượng và một mẫu đánh giá. Bài tập minh họa cách các trọng số danh mục có thể thay đổi khi bạn thay đổi cửa sổ ước lượng.

Nhắc lại, hàm window() có các đối số x, start và end, trong đó start và end có định dạng "YYYY-MM-DD".

Đối tượng returns đã được nạp sẵn trong không gian làm việc của bạn.

Bài tập này là một phần của khóa học

Giới thiệu Phân tích Danh mục đầu tư bằng R

Xem khóa học

Hướng dẫn bài tập

Tạo mẫu returns_estim bằng cách lấy một phần từ returns, bắt đầu từ 1991-01-01 và kết thúc vào 2003-12-31.
Tạo mẫu returns_eval bằng cách lấy một phần từ returns, bắt đầu từ ngày đầu tiên của năm 2004 và kết thúc vào ngày cuối cùng của năm 2015.
Tạo một vector trọng số tối đa bằng 10%, với độ dài bằng số cột trong returns, gọi là max_weights.
Tạo một danh mục với mẫu ước lượng, gọi là pf_estim, trong đó trọng số tối đa (reshigh) được đặt là max_weights.
Tạo một danh mục với mẫu đánh giá, gọi là pf_eval, trong đó trọng số tối đa (reshigh) được đặt là max_weights.
Vẽ biểu đồ phân tán giữa các trọng số danh mục của mẫu đánh giá và trọng số danh mục của mẫu ước lượng (lưu ý bạn có thể dùng $pw). Nếu các trọng số danh mục giống hệt nhau, các điểm sẽ nằm trên đường 45 độ.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Create returns_estim 
returns_estim <- window(___, start = "YYYY-MM-DD", end = "YYYY-MM-DD")

# Create returns_eval


# Create vector of max weights
max_weights <- rep(___, ncol(___))

# Create portfolio with estimation sample 
pf_estim <- portfolio.optim(___, reshigh = ___)

# Create portfolio with evaluation sample


# Create a scatter plot with evaluation portfolio weights on the vertical axis
plot(___, ___)
abline(a = 0, b = 1, lty = 3)

Chỉnh sửa và Chạy Mã