更优的估计会带来更好的绩效吗？
让我们假设，使用方差—协方差矩阵的稳健估计将优于样本方差—协方差矩阵。理论上，更好的估计应当带来更好的结果。我们将使用在第 3 章中定义的 moments_robust() 函数，以及上一个练习中的投资组合规范。
本练习是课程的一部分
R 中级投资组合分析
练习说明
- 使用
moments_robust()函数估计矩并运行优化。回测参数与之前相同：按季度再平衡，带训练期与滚动窗口，使用 5 年数据。将结果赋给变量opt_rebal_rb_robust。 - 绘制权重图。
- 绘制风险组成的百分比贡献图。
- 使用
Return.portfolio()计算投资组合收益。将结果赋给变量returns_rb_robust。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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"