Question

我无法在Portfolio Analytics包中添加自定义预期回报。通常预期回报是一些专业期望/观点，或与基本指标分开计算。投资组合分析允许创建自定义时刻函数来计算过去回报的时刻，但我不了解如何将已经计算的回报合并到优化问题中。感谢任何帮助，这里是小示例数据集：

#Download package and sample returns
library(PortfolioAnalytics) 
library(PerformanceAnalytics)
data(edhec)
returns <- tail(edhec[,1:4], 10)

#Example expected return xts that I'm usually working with. Calculated separately.
N <- 10
M <- 4
views <- as.xts(data.frame(matrix(rnorm(N*M,mean=0,sd=0.05), N, M)), order.by = index(returns))
colnames(views) <- colnames(returns)

让我们创建一些基本的投资组合。

pf <- portfolio.spec(assets = colnames(returns))
pf <- add.constraint(portfolio = pf, type = "full_investment")
pf <- add.constraint(portfolio = pf, type = "long_only")
pf <- add.objective(portfolio = pf, type = "return", name = "mean")
pf <- add.objective(portfolio = pf, type = "risk", name = "StdDev")

现在我想在每个时期优化投资组合，并考虑账户视图（该期间的预期回报），但此时我已经没有想法了。

Answer 1

我现在意识到，在设定赏金后，问题已经回答here。我会尽可能地总结一下。

当您致电optimize.portfolio时，会有一个可选参数momentFUN，用于定义投资组合的时刻。其中一个参数是momentargs，您可以在optimize.portfolio中传递。

首先，您需要选择一组预期收益。我将假设您的views时间序列中的最后一个条目：

my.expected.returns = views["2009-08-31"]

您还需要自己的协方差矩阵。我将从您的returns

计算出来

my.covariance.matrix = cov(returns)

最后，您需要定义momentargs，这是一个由mu（您的预期回报），sigma（您的协方差矩阵）以及第三和第四时刻组成的列表（我们将其设置为零）：

num_assets = ncol(current.view)
momentargs = list()
momentargs$mu = my.expected.returns
momentargs$sigma = my.covariance.matrix
momentargs$m3 = matrix(0, nrow = num_assets, ncol = num_assets ^ 2)
momentargs$m4 = matrix(0, nrow = num_assets, ncol = num_assets ^ 3)

现在您已准备好优化您的投资组合：

o = optimize.portfolio(R = returns, portfolio = pf, momentargs = momentargs)

Answer 2

当您使用 ROI 进行优化并通过momentargs = expectations通过期望时，您需要添加

add.objective(eff.port, type = "return", name = "mean")

正如optimize.portfolio第382行的功能代码中所述，仅在返回目标时才采用 momentargs 参数。即使您已经将其声明为约束条件。

Portfolio Analytics包中的自定义预期回报

2 个答案: