我已经使用quantmod
软件包从Yahoo下载了调整后的收盘价,并使用该收盘价创建了由50%AAPL
-和50%FB
-股票组成的投资组合。
当我绘制投资组合的累积表现时,我得到的表现(可疑)很高,因为它高于100%:
library(ggplot2)
library(quantmod)
cmp <- "AAPL"
getSymbols(Symbols = cmp)
tail(AAPL$AAPL.Adjusted)
cmp <- "FB"
getSymbols(Symbols = cmp)
tail(FB$FB.Adjusted)
df <- data.frame("AAPL" = tail(AAPL$AAPL.Adjusted, 1000),
"FB" = tail(FB$FB.Adjusted, 1000))
for(i in 2:nrow(df)){
df$AAPL.Adjusted_prc[i] <- df$AAPL.Adjusted[i]/df$AAPL.Adjusted[i-1]-1
df$FB.Adjusted_prc[i] <- df$FB.Adjusted[i]/df$FB.Adjusted[i-1]-1
}
df <- df[-1,]
df$portfolio <- (df$AAPL.Adjusted_prc + df$FB.Adjusted_prc)*0.5
df$performance <- cumprod(df$portfolio+1)-1
df$idu <- as.Date(row.names(df))
ggplot(data = df, aes(x = idu, y = performance)) + geom_line()
对我来说,累积性能超过100%似乎是不现实的。这使我认为,也许有必要在使用之前调整/缩放从quantmod
下载的数据吗?
答案 0 :(得分:0)
我一直在为这个问题而苦苦挣扎,我感到它下面有一个数据问题。为了证明这一点,我使用两种方法来计算累积回报。结果显示出一些差异,我无法真正解释-因此,您可能首先要看一下。
首先,我运行您的代码:
library(quantmod)
library(tidyverse
cmp <- "AAPL"
getSymbols(Symbols = cmp)
tail(AAPL$AAPL.Adjusted)
cmp <- "FB"
getSymbols(Symbols = cmp)
tail(FB$FB.Adjusted)
df <- data.frame("AAPL" = tail(AAPL$AAPL.Adjusted, 1000),
"FB" = tail(FB$FB.Adjusted, 1000))
for(i in 2:nrow(df)){
df$AAPL.Adjusted_prc[i] <- df$AAPL.Adjusted[i]/df$AAPL.Adjusted[i-1]-1
df$FB.Adjusted_prc[i] <- df$FB.Adjusted[i]/df$FB.Adjusted[i-1]-1
}
然后,我通过将当前值除以起始值(即第1行中的价格)并减去1,来手动计算累积回报。此外,我正在cumsum
中将两只股票'会分别返回。
df$aapl_man <- df$AAPL.Adjusted / df$AAPL.Adjusted[1] - 1
df$fb_man <- df$FB.Adjusted / df$FB.Adjusted[1] - 1
df <- df[-1,]
df$portfolio <- (df$AAPL.Adjusted_prc + df$FB.Adjusted_prc)*0.5
df$performance <- cumprod(df$portfolio+1)-1
df$idu <- as.Date(row.names(df))
df <- mutate_at(df, vars(contains("_prc")), cumsum)
现在,我正在绘制cumsum
收益(蓝色)和人工计算的收益(红色)。
df %>%
ggplot(aes(x = idu)) +
geom_line(aes(y = AAPL.Adjusted_prc), colour = "blue") +
geom_line(aes(y = aapl_man), colour = "red") +
ggtitle("Apple")
df %>%
ggplot(aes(x = idu)) +
geom_line(aes(y = FB.Adjusted_prc), colour = "blue") +
geom_line(aes(y = fb_man), colour = "red") +
ggtitle("Facebook")
特别是对于Facebook,我们发现这两种方法之间存在很大差异。很抱歉无法解决您的问题,但是我希望这会引导您寻求解决方案。