R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现

原文链接:http://tecdat.cn/?p=17931 

 

动量和马科维茨投资组合模型使 均值方差优化 组合成为可行的解决方案。通过建议并测试:

  • 增加最大权重限制
  • 增加目标波动率约束

来控制 均值方差最优化的解

下面,我将查看8个资产的结果:

首先,让我们加载所有历史数据

  1.   #*****************************************************************
  2.   # 加载历史数据
  3.    
  4.   #*****************************************************************
  5.    
  6.   load.packages('quantmod')
  7.    
  8.   # 加载保存的原始数据
  9.   #
  10.   load('raw.Rdata')
  11.    
  12.    
  13.    
  14.   getSymbols.extra(N8.tickers, src = 'yahoo', from = '1970-01-01', env = data, raw.data =
  15.   for(i in data$symbolnames) data[[i]] = adjustOHLC(data[[i]]
  16.    

接下来,让我们测试函数

  1.   #*****************************************************************
  2.   # 运行测试,每月数据
  3.   #*****************************************************************
  4.    
  5.   plot(scale.one(data$prices))

R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现

 

  1.   prices = data$prices
  2.    
  3.   plotransition(res[[1]]['2013::'])

 R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现

 

R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现

接下来,让我们创建一个基准并设置用于所有测试。

  1.   #*****************************************************************
  2.   # 建立基准
  3.   #*****************************************************************
  4.   models = list()
  5.    
  6.   commission = list(cps = 0.01, fixed = 10.0, percentage = 0.0)
  7.    
  8.   data$weight[] = NA
  9.    
  10.   model = brun(data, clean.signal=T,

接下来,让我们获取权重,并使用它们来进行回测

  1.   #*****************************************************************
  2.   # 转换为模型结果
  3.   #*****************************************************************
  4.   CLA = list(weight = res[[1]], ret = res[[2]], equity = cumprod(1 + res[[2]]), type = "weight")
  5.    
  6.   obj = list(weights = list(CLA = res[[1]]), period.ends

我们可以复制相同的结果

  1.   #*****************************************************************
  2.   #进行复制
  3.   #*****************************************************************
  4.   weight.limit = data.frame(last(pric
  5.   obj = portfoli(data$prices,
  6.   periodicity = 'months', lookback.len = 12, silent=T,
  7.   const.ub = weight.limit,urns,1) + colSums(last(hist.returns,3)) +
  8.   colSums(last(hist.returns,6)) + colSums(last(hist.returns,12))) / 22
  9.   ia
  10.   },
  11.   min.risk.fns = list(
  12.   )
  13.    
  14.    

另一个想法是使用Pierre Chretien的平均输入假设

  1.   #*****************************************************************
  2.   # 让我们使用Pierre的平均输入假设
  3.   #*****************************************************************
  4.   obj = portfolio(data$prices,
  5.   periodicity = 'months', lookback.len = 12, si
  6.   create.ia.fn = create.(c(1,3,6,12), 0),
  7.   min.risk.fns = list(
  8.   TRISK.AVG = target.risk.portfolio(target.r
  9.   )
  10.    

最后,我们准备看一下结果

  1.   #*****************************************************************
  2.   #进行回测
  3.   #*****************************************************************
  4.    
  5.   plotb(models, plotX = T, log = 'y', Left

R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现

 

  1.   layout(1)
  2.   barplot(sapply(models, turnover, data)

R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现

使用平均输入假设会产生更好的结果。

我想应该注意的主要观点是:避免盲目使用优化。相反,您应该使解决方案更具有稳健性。


R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现

最受欢迎的见解

1.用机器学习识别不断变化的股市状况—隐马尔科夫模型(HMM)的应用

2.R语言GARCH-DCC模型和DCC(MVT)建模估计

3.R语言实现 Copula 算法建模依赖性案例分析报告

4.R语言COPULAS和金融时间序列数据VaR分析

5.R语言多元COPULA GARCH 模型时间序列预测

6.用R语言实现神经网络预测股票实例

7.r语言预测波动率的实现:ARCH模型与HAR-RV模型

8.R语言如何做马尔科夫转换模型markov switching model

9.matlab使用Copula仿真优化市场风险

上一篇:AutoFac学习笔记


下一篇:java – 为什么ObjectOutputStream.readObject()访问MyClass.readObject()