Portfolio optymalizacja strategie transakcyjne

Optymalizacja portfela energetycznego i strategie handlowe Wprowadzenie Optymalne kształtowanie strategii transakcyjnych i zarządzania portfelem zgodnie z indywidualnymi celami związanymi z zwrotem ryzyka jest kluczowe dla sukcesu firm w obrocie energią elektryczną i gazem. Aby osiągnąć te cele w sposób praktyczny i konsekwentny, konieczne jest wykorzystanie silnych podejść ilościowych. Nasz kurs Optymalizacja portfela energetycznego i strategie handlowe zapewnią ci niezbędną wiedzę i praktyczne doświadczenie, aby skutecznie skonfigurować i zastosować te koncepcje w Twojej organizacji. Kurs prezentowany jest wspólnie z naszym partnerem KYOS. Grupy docelowe Kurs przeznaczony jest dla szerokiego grona profesjonalistów działających w sektorze energetycznym i finansowym, w tym menedżerów, handlowców, deweloperów aktywów, menedżerów portfeli i ryzyka oraz regulatorów. Każdy, kto chce opracować praktyczne zrozumienie optymalizacji portfela energetycznego i strategii handlowych opartych na najlepszych praktykach, skorzysta z kursu. Kurs jest prezentowany w jeden dzień, podzielony na poranne i popołudniowe sesje. Podczas porannej sesji uczestnicy zdobędą wiedzę na temat charakterystyki europejskich rynków energii i gazu. Sesja obejmuje odpowiednie struktury rynkowe i problemy z płynnością rynku, a także struktury portfela w łańcuchu dostaw i dominujące ekspozycje na ryzyko. Ponadto wprowadzono główne cele w zakresie zarządzania ryzykiem i ograniczania ryzyka. Obejmuje to dostosowanie indywidualnej tolerancji ryzyka i strategii biznesowej, a także alokację kapitału podwyższonego ryzyka i ograniczenie ryzyka. Uczestnicy poznają także charakterystykę i mechanizmy konkretnych fizycznych i finansowych struktur kontraktowych wymaganych do zarządzania portfelami energetycznymi, od standardowych po bardziej elastyczne instrumenty. Sesja popołudniowa opiera się na tym fundamencie i zapewnia szczegółowy wgląd w podstawowe i bardziej zaawansowane transakcje oraz dynamiczne techniki zabezpieczające na niekompletnych rynkach. Wreszcie uczestnicy kursu dowiedzą się, jak optymalizować i monitorować portfele oraz strategie handlowe w praktyce w oparciu o dobrze uzasadnioną ekonomiczną koncepcję użyteczności. Cały kurs koncentruje się na stosowalności i zawiera liczne przykłady z pierwszej ręki i analizy przypadków, takie jak: codzienna optymalizacja portfela energetycznego i gazu, optymalne wykorzystanie umów magazynowych i kontrakcyjnych, optymalne strategie transakcyjne dla niepewnych źródeł energii odnawialnej . Dla każdego uczestnika zostanie wystawiony certyfikat uczestnictwa w kursie. Wymagania Kurs nie wymaga żadnej szczególnej wiedzy wstępnej. Instruktorzy są w stanie intuicyjnie przedstawić podstawowe pojęcia oraz praktyczne przykłady. Kliknij tutaj, aby pobrać naszą broszurę (zawierającą szczegóły kursu, cenę, datę i lokalizację). Optymalizacja portfela Narzędzia i strategie optymalizacji portfela pomagają inwestorom zarządzać portfelami w sposób najbardziej efektywny pod względem podatkowym i inteligentniej informują o wpływie podatków na ich rzeczywistą inwestycję zwraca. GainsKeeper Brokerage oferuje narzędzia, które mogą generować dodatkowe transakcje prowizyjne dla firm maklerskich, jednocześnie poprawiając wyniki po opodatkowaniu inwestorów. Funkcja śledzenia portfela Zwiększenie zadowolenia klientów i akumulacja aktywów Strategie optymalizacji portfela GainsKeepers minimalizują konsekwencje podatkowe klientów. Generuj większe obroty Pomóż swoim klientom w podejmowaniu świadomych decyzji handlowych przy jednoczesnym zwiększeniu obrotów. Ogranicz zapytania dotyczące obsługi klienta GainsKeeper oferuje swoim klientom narzędzia do zmniejszania złożoności problemów z rachunkowością podatku. Zwiększenie zadowolenia klientów i akumulacji aktywów Świadczenie usług po transakcji dla klientów ma kluczowe znaczenie dla ogólnego doświadczenia inwestorów. Dzięki narzędziom do optymalizacji portfolio GainsKeepers Twoi klienci mogą identyfikować transakcje podatkowe, aby zmaksymalizować zwroty po opodatkowaniu i zminimalizować podatki. Generuj większe obroty Strategie transakcyjne GainsKeepers umożliwiają inwestorom identyfikację transakcji, które mogą poprawić swoją pozycję podatkową. Unikaj sprzedaży umywalek. GainsKeeper identyfikuje pozycje w portfelu, które będą powodować sprzedaż prania w przypadku handlu w bieżącym dniu, aby Twoi klienci mogli uniknąć tych transakcji. Zidentyfikuj inwestycje dla strategii Double Down. Dzięki strategii Double Down inwestorzy zajmują pozycje, które obecnie są w stanie głębokiej utraty, i podwajają swoje udziały w nich. Po 31 dniach pozostawania poza okresem wyprzedaży te udziały zostają następnie sprzedane ze stratą. GainsKeeper informuje inwestorów o pozycjach w swoich portfelach, które są dobrymi kandydatami do strategii Double Down. Umożliwia to inwestorom rozpoznawanie strat dla celów podatkowych bez utraty udziału w pozycjach. Użyj Sell Grades, aby najpierw sprzedać optymalne partie. GainsKeepers Sell Grade mierzy konsekwencje podatkowe klientów sprzedających swoje inwestycje i odpowiednio je uszeregowuje. Im wyższa wartość Sell Grade, tym korzystniejszy jest handel z punktu widzenia podatków. GainsKeeper przypisuje kategorię sprzedaży każdemu gospodarstwu, a następnie klasyfikuje je od najwyższego poziomu sprzedaży do najniższego poziomu. Klasa sprzedaży większa niż 1,0 pozwoli Ci zaoszczędzić dolary podatkowe od klientów. Klasa sprzedaży na poziomie 1,0 jest neutralna i nie ma wpływu na podatki. Klasa sprzedaży mniejsza niż 1,0 będzie kosztować dolary podatkowe klienta. GainsKeepers Sell Grade wywodzi się z zastrzeżonego algorytmu, który uwzględnia każdą skorygowaną liczbę partii podatku (tj. Pierwotną podstawę kosztu skorygowaną o wszystkie sprzedaże prania i działania korporacyjne), bieżący okres utrzymywania (tj. Długoterminowy lub krótkoterminowy), bieżącą cenę rynkową i, co najważniejsze, twoją osobistą stawkę podatkową i poprzednie zrealizowane zyski, w tym charakter tych zysków i strat. W ten sposób GainsKeepers Sell Grade dostosowuje się do każdego portfela osób i sytuacji podatkowej. Zmniejsz liczbę zapytań o wsparcie dla klienta Dzięki GainsKeeper zintegrowanemu z Twoją witryną, aktywnie uzbrajasz swoich klientów informacjami podatkowymi związanymi z ich inwestycjami, w szczególności dotyczącymi prania sprzedaży, działań korporacyjnych, obliczeń przyrostowych i harmonogramu D. Zapewnienie swoim klientom narzędzi, które pomogą im zarządzanie złożonością tych zagadnień może pomóc w zredukowaniu zapytań do twojego call center. Portfolio Trader Portfolio Trader to zaawansowana funkcja do symulacji i auto-handlu całych portfeli, które mogą zawierać setki akcji, kontraktów terminowych i innych instrumentów. Tradycyjnie takie potężne narzędzia, takie jak Portfolio Trader, są często sprzedawane jako oddzielna aplikacja, ale w MultiCharts dostajesz je w swoim arsenale handlowym. Backtesting portfela został udoskonalony na zupełnie nowy poziom dzięki dynamicznej konwersji walut i optymalizacji Walk-Forward. Podczas gdy inne platformy udostępniają jedynie historyczne symulacje transakcji portfelowych, MultiCharts Portfolio Trader pozwala zautomatyzować transakcje za pomocą dowolnej strategii opracowanej za pomocą jednego kliknięcia. Backtesting Your Portfolio Backtesting portfela oznacza zastosowanie jednej lub więcej strategii do wielu instrumentów jednocześnie symulujących dane historyczne i sprawdzających wydajność tak, jakby wszystkie symbole były przedmiotem handlu z tymi strategiami. Różne symbole mogą mieć różne rozdzielczości podczas testu: 1 tik, 3 minuty, 9 dni lub inne. Wersja 64-bitowa MultiCharts jest niezbędna do testowania portfela jako bardzo łatwa do osiągnięcia masa krytyczna z ogromną liczbą kombinacji. Więcej informacji na temat tej funkcji można znaleźć na odpowiedniej stronie Wiki. Uwzględniane ograniczenia w życiu codziennym Uwzględnienie ograniczeń w rzeczywistym życiu ma kluczowe znaczenie dla tworzenia skutecznych strategii handlu portfelami. Podczas weryfikacji historycznej portfela sygnały transakcyjne często muszą być traktowane priorytetowo, ponieważ na koncie nie ma wystarczającej ilości pieniędzy, aby złożyć wszystkie zamówienia. Twoja strategia może zawsze kupić najpierw najtańsze instrumenty, albo możesz zawsze wypełniać zamówienia na akcje przed zamówieniami futures. Definiowanie zarządzania pieniędzmi w skryptach Opcje zarządzania pieniędzmi można łatwo zmienić za pomocą interfejsu Portfolio Trader lub bezpośrednio za pomocą kodu PowerLanguage. Dodaliśmy słowa kluczowe Portfolio Money Management w Twojej wygody. Pamiętaj, że wszystkie słowa kluczowe zwracające lub otrzymujące wartości pieniężne są używane w walucie określonej w ustawieniach portfela. Dowiedz się więcej informacji technicznych na naszej stronie Wiki. Zoptymalizuj swój portfel za pomocą kilku kliknięć Optymalizacja portfela pozwala znaleźć optymalne parametry dla każdej strategii portfela pojedynczo lub wszystkie naraz. Zarówno wyczerpujące, jak i genetyczne metody optymalizacji są dostępne w module backtestingu silnika portfela. 64-bitowa wersja MultiCharts z łatwością radzi sobie z ogromnymi danymi potrzebnymi do obu zadań. Forward Testing Proces testowania strategii handlowej w czasie rzeczywistym, ale bez faktycznego handlu w brokerze. Przedsiębiorca może przeprowadzić symulację swojej strategii handlowej w oparciu o odpowiednie dane, aby ocenić jej skuteczność. W Twojej wygody okno Forward Performance Testing zawiera główne informacje o skuteczności strategii dla każdego instrumentu. Portfolio Zautomatyzowane transakcje MultiCharts Portfolio Trader może przetwarzać wiele strategii stosowanych w różnych grupach symboli i zleceniach tras do różnych brokerów. Po weryfikacji historycznej i optymalizacji strategii, możesz przejść do prawdziwego handlu, gdy zamówienia są wysyłane do brokera. Możesz także wstrzymać i wznowić obrót na dowolnym z instrumentów, kiedy tylko potrzebujesz za jednym kliknięciem. Korzystaj z więcej niż jednej strategii naraz. Portfolio Trader jest bardzo elastyczny, umożliwiając tworzenie kilku strategii i łączenie ich na wiele sposobów. Symbole można podzielić na grupy, a każda grupa może mieć własną strategię. Na przykład możesz zastosować strategie rotacji i spreadu w różnych grupach instrumentów w swoim portfelu. Ponadto, możesz mieć jeden system handlu, który handluje zapasami i inny, który handluje kontraktami futures. Wydajność każdej strategii wpłynie na ogólną wydajność portfela. Zobacz przykłady strategii Portfolio Trader tutaj. Wszystkie szczegóły transakcji na wyciągnięcie ręki Tracker pozycji i pozycji jest dostępny podczas procesu automatycznego ładowania, dzięki czemu możesz sprawdzić saldo konta lub otworzyć PL w dowolnym momencie za jednym kliknięciem. Zapewnia szczegółowe podsumowanie zamówień, pozycji i rachunków wszystkich brokerów używanych do handlu. Możesz anulować lub zmodyfikować oczekujące zamówienia, a nawet spłaszczyć całe pozycje, bezpośrednio z tego okna. Interaktywny raport skuteczności portfela Raport dotyczący portfela MultiCharts jest niezbędnym narzędziem przy ocenie skuteczności twoich strategii. Jest to podobne do naszego regularnego raportu wydajności, ale ma możliwość wyświetlania podziału według symboli lub wyświetlania macierzy korelacji. Raport skuteczności portfela dostępny jest w Auto Trading Mode. Pokazuje wyniki wygenerowane od momentu otwarcia. Łatwiejsze porównywanie innych instrumentów Twoja strategia handlowa może odwoływać się do dziewięciu innych instrumentów, aby podjąć decyzję handlową w sprawie dowolnego zbywalnego symbolu. Otwiera to nowe możliwości strategii testowania, takich jak arbitraż statystyczny lub handel parami. Pozwala rozważyć strategię handlu parami. Kiedy jedna z par zostanie kupiona lub sprzedana, twoja strategia musi dokładnie wiedzieć, co dzieje się z tymi dwoma symbolami. Jeśli twoja para to Google i Microsoft, wpisz GOOG jako symbol jeden, a MSFT jako symbol dwa. Następnie dodaj MSFT jako dane jeden, a GOOG jako dane dwa. W ten sposób każdy instrument w parze aktywnie odwołuje się do drugiego instrumentu i uzyskujesz pełną synchronizację. Top 7 problemów optymalizacji portfela Potknięcia bloków na trek od teorii do praktycznej optymalizacji zarządzania funduszami. Problem 1: optymalizacja portfela jest zbyt trudna Jeśli używasz arkusza kalkulacyjnego, to jest to rzeczywiście problem. Arkusze kalkulacyjne są niebezpieczne, gdy mają złożone zadanie. Optymalizacja portfela kwalifikuje się w tym kontekście jako złożona (złożona w wymogach dotyczących danych). Jeśli używasz bardziej odpowiedniego środowiska komputerowego, to naprawdę nie jest to takie trudne. Jest kilka kwestii, z którymi trzeba się uporać, ale zrobienie ich pojedynczo sprawia, że ​​zadanie nie jest przytłaczające. Jeśli używasz arkuszy kalkulacyjnych, moją receptą jest zmiana na R. Kiedy na linii są prawdziwe pieniądze, użycie arkusza kalkulacyjnego do optymalizacji portfela wydaje mi się głupie, a dolar głupi. Jeśli masz inne problemy z optymalizacją, przeczytaj resztę tego postu. Problem 2: Optymalizatorzy portfela sugerują zbyt wiele transakcji Główną frustracją optymistów jest to, że obrót może być nadmierny. Wszystkie rozsądne optymalizatory portfela umożliwiają: koszty transakcji związane z ograniczeniami transakcji Wykorzystaj jedno z tych rozwiązań, aby zmniejszyć obroty do odpowiedniej kwoty. Często nie pozwalamy samochodom na niekontrolowane zjeżdżanie z górki. Nie powinniśmy też pozwalać na stosowanie optymalizatorów. Problem 3: oczekiwane zwroty są potrzebne Po pierwsze, to nie jest ściśle prawdą. Możesz znaleźć minimalne portfele wariancji, które wymagają macierzy wariancji, ale nie oczekują zwrotów. Sukces inwestycji o niskiej zmienności jest powodem, aby pójść tą drogą. Ale zakładając, że jesteś aktywnym inwestorem, w pewnym sensie potrzebujesz oczekiwań. Istnieje wiele technik, które wymagają niezmienności liczbowej. Portfel docelowy Każdy powinien być w stanie dostarczyć portfelowi docelowemu, który chciałbyś zatrzymać, gdy wszystkie ograniczenia są ignorowane. Gdy masz już portfel docelowy, możesz zdobyć portfel, który jest 8220close8221 do celu, ale przestrzega ograniczeń. Jednym z tych ograniczeń powinno być prawie na pewno obrót. Prawdopodobnie lepszym rozwiązaniem byłoby zminimalizowanie błędu śledzenia do docelowego portfolio. To wymaga macierzy wariancji. odwrotna optymalizacja Technikę odwrotnej optymalizacji (nazywanej również domniemaną alfa) można stosować iteracyjnie w celu znalezienia portfela, który wygląda tak, jak chcesz pod względem oczekiwanych zwrotów, które są dorozumiane. Pozwala to uniknąć rzeczywistej optymalizacji, ale jest pracochłonne i zależy od ograniczeń, które nie psują domniemanych alphów (co może być wątpliwe). Rangi aktywów Jeśli możesz zamówić aktywa we własnym Wszechświecie pod względem oczekiwanych zwrotów, możliwe jest uzyskanie oczekiwanych zwrotów w celu uzyskania optymalizatora. Wycena aktywów jest znacznie łatwiejsza niż podawanie liczbowych szacunków zwrotów. Dokument autorstwa Almgrena i Chriss'a wyjaśnia, w jaki sposób zamienić szeregi w liczbowe oczekiwane zyski. Prosty przypadek wymaga użycia funkcji qnorm w R. To daje względne rozmiary, ale nadal będziesz chciał je skalować, aby pasowały do ​​macierzy wariancji. Problem 4: optymalizacja średniej wariancji jest restrykcyjna Istnieje mit, że optymalizacja średniej wariancji jest przydatna tylko wtedy, gdy zwroty są normalnie dystrybuowane. That8217s do tyłu. Jeśli zwroty są normalnie dystrybuowane, to optymalizacja średniej wariancji jest wszystkim, co można zrobić 8212. Wszystkie inne narzędzia będą równoważne. Zobacz więcej na 8220Ancient theory theory8221. Jeśli dystrybucja zwrotna jakichkolwiek aktywów we wszechświecie nie jest względnie bliska symetryczności, to tak, optymalizacja średniej wariancji jest restrykcyjna i nie powinna być stosowana. Przykładem aktywów powodujących utratę wartości są obligacje i opcje. Jednakże, jeśli wszechświat jest tylko zapasem, wówczas średnia wariancja jest całkiem dobrym przybliżeniem do najlepszego, co możemy zrobić. Skosę i kurtozę można dodać do narzędzia, aby uwzględnić nienormalność zwrotów. Wpis na blogu 8220Przewidywalność skośności i kurtozy w elementach SampP8221 wskazuje, że pochylenie jest prawdopodobnie prawie niemożliwe do przewidzenia, a przewidywalność kurtozy jest ograniczona. W 1999 r. Dolne momenty częściowe i semi-wariancja były popularne wśród spółek z branży technologicznej, ponieważ nie były tak naprawdę ryzykowne, tylko wzrosły. Okazało się, że w zwrocie zapasów technologii 8212 istniała symetria. Jeśli rzeczywiście znajdujesz się w sytuacji 8212 obejmującej stały dochód lub opcje 8212, w których optymalizacja średniej wariancji nie jest odpowiednia, prawdopodobnie powinieneś przeprowadzić optymalizację scenariuszy. Problem 5: wejścia do optymalizacji portfela są hałaśliwymi szacunkami Optymalizatorzy portfela są na tyle głupi, aby wierzyć w to, co im mówimy. Optymalizator daje nam rozwiązanie tak, jakbyśmy znali oczekiwane zwroty i macierz wariancji. W rzeczywistości: szacunki oczekiwanych zwrotów są prawie całkowitymi szacunkami hałasu macierzy wariancji są dość głośne 8220. Prawie całkowity hałas 8221 dotyczy najlepszych zarządzających funduszami 8212 8220. Prawie 8221 należy znieść dla zarządzających funduszami poniżej średniej. Współczynniki wariancji są często czynnikiem wejściowym dla optymalizatorów. Są one znacznie lepsze niż matryce wariancji prób dla dużych wszechświatów. Jednak użycie oszacowania skurczu jest prawdopodobnie lepsze niż jedno. błąd nominalny Mamy problem z Wharfianem z optymalizacją 8220portfolio8221. Ludzie myślą, że optymalizujemy portfel, kiedy to mówimy. W rzeczywistości naprawdę optymalizujemy handel. Dla niektórych celów nie ma to znaczenia, ale ma to znaczenie, gdy zastanawiamy się, co zrobić z hałaśliwymi danymi wejściowymi. Operacje typu Black-Litterman Niektórzy uważają, że robienie czegoś takiego jak Black-Litterman jest rozwiązaniem tego problemu. To nie jest8217t. Jeśli zostanie to zrobione inteligentnie, to zmniejszy 8212, ale nie wyeliminuje 8212 hałasu w oczekiwanych zwrotach. solidna optymalizacja Prawdziwym rozwiązaniem tego problemu jest niezawodna optymalizacja. Uważam to określenie za niefortunne, ponieważ istnieje wiele zastosowań terminu 8220robust8221, które można łatwo pomylić ze znaczeniem uzyskiwania dobrych rozwiązań do optymalizacji handlu z głośnych danych wejściowych. Istnieje dość duży wybór wniosków dotyczących wdrażania rozwiązań. Większość z nich jest dość skomplikowana. Istnieje proste i łatwe w implementacji rozwiązanie (chociaż dokładna liczba prawdopodobnie musi zostać znaleziona poprzez eksperymentowanie). Oto historia (zakładając, że mamy istniejące portfolio): Jeśli dane wejściowe podane przez nas do optymalizatora są dokładnie prawdziwe, to powinniśmy zaakceptować to, co mówi optymalizator. Powinniśmy zasugerować handel 8212 pamiętajmy, że optymalizujemy handel. Jeśli dane wejściowe podane przez nas do optymalizatora są kompletnymi śmieciami, nie powinniśmy nic robić. Nasz handel powinien wynosić zero. Rzeczywistość jest taka, że ​​nasze dane wejściowe są gdzieś pomiędzy dokładnie prawdziwymi i kompletnymi śmieciami, więc nasz handel powinien znajdować się gdzieś pomiędzy sugerowanym obrotem a brakiem handlu. Chcemy zmniejszyć obroty handlowe. Łatwo zmniejszyć obroty, nakładając (silniejsze) ograniczenie obrotu lub zwiększając koszty transakcji. Jak wiele to zrobić, oczywiście, ale zasada jest prosta. Domyślam się, że jest lepiej niż nie robienie tego w ogóle. Problem 6: koszty transakcji są trudne To prawda. Niektóre koszty są proste, ale wpływ na rynek jest trudny do ustalenia. Ale jest jeszcze trudniejsze: albo koszty transakcji muszą być skalowane, aby dopasować oczekiwane zwroty i wariancje, albo oczekiwane zwroty i odchylenia muszą być skalowane w celu dopasowania do kosztów transakcji. Wszystkie trzy elementy pojawiają się w funkcji narzędzia, a skalowanie jest konieczne, aby narzędzie miało sens. Tchórzostwo ma na celu narzucenie ograniczenia obrotów. Innym sposobem jest praca i ciężko myśleć o kosztach transakcji. I prawdopodobnie użyć optymalizatora, który pozwala na elastyczne określanie kosztów. Problem 7: problemy z wyrównaniem czynników ryzyka i alfa W literaturze dotyczącej optymalizacji portfela pojawiły się głosy na temat jedzenia alfa i wyrównania czynników. Całość brzmi poważnie geekowo (nawet dla takiego frajera jak ja). Istotą tego jest to, że jeśli czynniki są wykorzystywane w oczekiwanych zwrotach, które nie są czynnikami w modelu ryzyka, wówczas optymalizator pomyśli, że te czynniki są zasadniczo bez ryzyka i wykorzystują je zbyt wiele. Jedną z głównych 8220solutions8221 jest dodanie brakujących czynników do modelu ryzyka. To oczywiście zakłada, że ​​istnieją czynniki w oczekiwanym modelu zwrotów. Podejrzewam, że prawdziwy problem polega na tym, że modele czynnikowe są niewłaściwą technologią do zastosowania jako macierz wariancji w optymalizatorach. Rozwiązaniem jest lepsza technologia. Moja sugestia to wykorzystanie szacunków Ledoit-Wolf, które kurczą się w kierunku równej korelacji. Problem 8: przeszkody stają na drodze To jest niewidzialny problem. Nie dotyczy to ludzi, ponieważ nie wiedzą, że go mają. Istnieją ograniczenia, aby portfel nie zrobił niczego zbyt głupiego. Ale ile osób sprawdziło, czy ograniczenia działają zgodnie z zamierzeniami? 8220the 8221 w tytule to oczywiście bzdury 8212 I don8217t naprawdę wiedzą, które problemy są na wierzchu. Jakie inne problemy występują w prowadzeniu optymalizacji portfela Aneksu R w R Wiele komercyjnych optymalizatorów portfela ma interfejs R. To oczywiście obejmuje Sondę Portfolio. Istnieje wiele mniej lub bardziej naiwnych wdrożeń optymalizacji portfela w R, które zostały wniesione. Zobacz szczegóły zadania Empirical Finance, aby uzyskać więcej szczegółów. Skurcz Ledoit-Wolfa Można uzyskać funkcję, która powoduje skurcz Ledoit-Wolf w kierunku równej korelacji, wykonując (w R): Pierwsze polecenie, które musisz wykonać tylko raz (na wersję R), drugie, co musisz zrobić w każdym R sesja, w której chcesz korzystać z funkcji. Nazywa się to var. shrink. eqcor. Domyślnie zapewnia to, że minimalna wartość własna jest co najmniej 0,001 razy większa od największej wartości własnej. Jest to sposób na uniknięcie problemu wyrównania czynników. Nie ma naukowych przesłanek, aby ta konkretna wartość limitu 8212 mogła swobodnie eksperymentować i złożyć raport. Pakiet BurStFin ma również factor. model. stat, który szacuje statystyczny model czynnikowy. Czy pozyskując dane z zapasów, muszą one pochodzić z tej samej daty? Posiadanie danych na temat jednej firmy8217s akcji (firma A) w latach poprzedzających kryzys finansowy (kiedy naprawdę dobre) i jednej firmy8217 (firma B) zapasy w latach recesji isn8217t całkiem przydatny, ponieważ algorytm optymalizacyjny optymalizacji portfela zwróci wynik, że wszystkie masy powinny trafić do firmy A Right Jesteś w Problem 3 tutaj: oczekiwane zwroty są trudne. Jak już mówiłem, w wyższych chwilach rozmowa z historycznymi zwrotami jest niemal całkowicie bezużyteczna w większości celów. Jak słusznie zauważysz, byłyby one jeszcze bardziej niebezpieczne, gdyby okresy historyczne nie były takie same (przynajmniej w dużej mierze). Dziękuję za pouczający post. Szczególnie interesuje mnie moc R jako narzędzie do analizy inwestycji. Po pomyślnym wdrożeniu klasycznego modelu optymalizacji portfela, szukam skutecznego sposobu na sporządzenie całego możliwego obszaru inwestycyjnego w R (oprócz efektywnej granicy inwestycyjnej). Moje obecne podejście polega na generowaniu losowych wag portfela (równomiernie rozprowadzanych w ramach simplex), sprawdzaniu, czy ograniczenia są utrzymywane i ich wykreślaniu. Jednak wykresy, które otrzymuję, są bardzo różne od tych, które widziałem jako dane wyjściowe z innych programów (np. OptiFolio, ECVaR). Moje wyniki pokazują bardzo małą chmurę portfeli. Czy masz jakieś sugestie, jak stworzyć bardziej szczegółowy, możliwy do zrealizowania obszar inwestycyjny, używając R I podejrzewam, że widzisz coś podobnego do Ryc. 3 Realizowanych efektywnych granic. Wydaje się, że typowe portfele żyją w dość niewielkiej części realnej przestrzeni. Nigdy nie próbowałem robić tego, co robisz, więc nie mam żadnej mądrości w tej sprawie. Myślę, że będziesz musiał przeprowadzić jakąś optymalizację z różnymi wejściami. Ale nie widzę tego w pełni, przynajmniej w tej chwili. Jeśli możesz założyć, że możliwa przestrzeń jest wypukła, to 8216chull8217 (jak w 8216convex hull8217) R jest twoim przyjacielem.