Моделируйте многомерный нормальный актив, возвращают сценарии в данные
simulateNormalScenariosByData был частично удален и больше не будет принимать объект fints для аргумента AssetReturns. Используйте timetable вместо этого для финансовых временных рядов.
Используйте fts2timetable, чтобы преобразовать объект fints в объект timetable.
obj = simulateNormalScenariosByData(obj,AssetReturns)obj = simulateNormalScenariosByData(obj,AssetReturns,NumScenarios,Name,Value)obj = simulateNormalScenariosByData(obj,AssetReturns)PortfolioMAD или PortfolioCVaR. Для получения дополнительной информации на рабочих процессах, смотрите Рабочий процесс Объекта PortfolioCVaR и Рабочий процесс Объекта PortfolioMAD.
obj = simulateNormalScenariosByData(obj,AssetReturns,NumScenarios,Name,Value)PortfolioCVaR или объектов PortfolioMAD с помощью дополнительных опций, заданных одним или несколькими аргументами пары Name,Value.
Эта функция оценивает среднее значение, и ковариация актива возвращается или из цены, или возвратите данные и затем используйте эти оценки, чтобы сгенерировать конкретное количество сценариев с функциональным mvnrnd.
Данные могут быть в NumSamples-by-NumAssets матрицей цен NumSamples или возвращаются в данной периодичности для набора активов NumAssets, table или timetable.
Если вы хотите использовать метод многократно, и вы хотите моделировать идентичные сценарии каждый раз, когда функция вызвана, предшествуйте каждому вызову функции с rng (seed) с помощью заданного целочисленного seed.
Учитывая объект PortfolioCVaR p, использование функция simulateNormalScenariosByData, чтобы моделировать многомерный нормальный актив возвращают сценарии в данные.
m = [ 0.05; 0.1; 0.12; 0.18 ];
C = [ 0.0064 0.00408 0.00192 0;
0.00408 0.0289 0.0204 0.0119;
0.00192 0.0204 0.0576 0.0336;
0 0.0119 0.0336 0.1225 ];
m = m/12;
C = C/12;
RawData = mvnrnd(m, C, 240);
NumScenarios = 2000;
p = PortfolioCVaR;
p = simulateNormalScenariosByData(p, RawData, NumScenarios)p =
PortfolioCVaR with properties:
BuyCost: []
SellCost: []
RiskFreeRate: []
ProbabilityLevel: []
Turnover: []
BuyTurnover: []
SellTurnover: []
NumScenarios: 2000
Name: []
NumAssets: 4
AssetList: []
InitPort: []
AInequality: []
bInequality: []
AEquality: []
bEquality: []
LowerBound: []
UpperBound: []
LowerBudget: []
UpperBudget: []
GroupMatrix: []
LowerGroup: []
UpperGroup: []
GroupA: []
GroupB: []
LowerRatio: []
UpperRatio: []
MinNumAssets: []
MaxNumAssets: []
BoundType: []
p = setDefaultConstraints(p); p = setProbabilityLevel(p, 0.9); disp(p);
PortfolioCVaR with properties:
BuyCost: []
SellCost: []
RiskFreeRate: []
ProbabilityLevel: 0.9000
Turnover: []
BuyTurnover: []
SellTurnover: []
NumScenarios: 2000
Name: []
NumAssets: 4
AssetList: []
InitPort: []
AInequality: []
bInequality: []
AEquality: []
bEquality: []
LowerBound: [4x1 double]
UpperBound: []
LowerBudget: 1
UpperBudget: 1
GroupMatrix: []
LowerGroup: []
UpperGroup: []
GroupA: []
GroupB: []
LowerRatio: []
UpperRatio: []
MinNumAssets: []
MaxNumAssets: []
BoundType: [4x1 categorical]
Создайте объект PortfolioCVaR p и используйте функцию simulateNormalScenariosByData с данными о рынке, загруженными от CAPMuniverse.mat, чтобы моделировать многомерный нормальный актив, возвращают сценарии. Данными о рынке, AssetsTimeTable, является timetable актива, возвращается.
load CAPMuniverse p = PortfolioCVaR('AssetList',Assets); disp(p);
PortfolioCVaR with properties:
BuyCost: []
SellCost: []
RiskFreeRate: []
ProbabilityLevel: []
Turnover: []
BuyTurnover: []
SellTurnover: []
NumScenarios: []
Name: []
NumAssets: 14
AssetList: {1x14 cell}
InitPort: []
AInequality: []
bInequality: []
AEquality: []
bEquality: []
LowerBound: []
UpperBound: []
LowerBudget: []
UpperBudget: []
GroupMatrix: []
LowerGroup: []
UpperGroup: []
GroupA: []
GroupB: []
LowerRatio: []
UpperRatio: []
MinNumAssets: []
MaxNumAssets: []
BoundType: []
Моделируйте сценарии от данных о расписании для каждого из активов от CAPMuniverse.mat и постройте границу эффективности.
p = simulateNormalScenariosByData(p,AssetsTimeTable,10000,'missingdata',true);
p = setDefaultConstraints(p);
p = setProbabilityLevel(p, 0.9);
plotFrontier(p);
Учитывая объект PortfolioMAD p, использование функция simulateNormalScenariosByData, чтобы моделировать многомерный нормальный актив возвращают сценарии в данные.
m = [ 0.05; 0.1; 0.12; 0.18 ];
C = [ 0.0064 0.00408 0.00192 0;
0.00408 0.0289 0.0204 0.0119;
0.00192 0.0204 0.0576 0.0336;
0 0.0119 0.0336 0.1225 ];
m = m/12;
C = C/12;
RawData = mvnrnd(m, C, 240);
NumScenarios = 2000;
p = PortfolioMAD;
p = simulateNormalScenariosByData(p, RawData, NumScenarios);
p = setDefaultConstraints(p);
disp(p); PortfolioMAD with properties:
BuyCost: []
SellCost: []
RiskFreeRate: []
Turnover: []
BuyTurnover: []
SellTurnover: []
NumScenarios: 2000
Name: []
NumAssets: 4
AssetList: []
InitPort: []
AInequality: []
bInequality: []
AEquality: []
bEquality: []
LowerBound: [4x1 double]
UpperBound: []
LowerBudget: 1
UpperBudget: 1
GroupMatrix: []
LowerGroup: []
UpperGroup: []
GroupA: []
GroupB: []
LowerRatio: []
UpperRatio: []
MinNumAssets: []
MaxNumAssets: []
BoundType: [4x1 categorical]
Создайте объект PortfolioMAD p и используйте функцию simulateNormalScenariosByData с данными о рынке, загруженными от CAPMuniverse.mat, чтобы моделировать многомерный нормальный актив, возвращают сценарии. Данными о рынке, AssetsTimeTable, является timetable актива, возвращается.
load CAPMuniverse p = PortfolioMAD('AssetList',Assets); disp(p.AssetList');
'AAPL'
'AMZN'
'CSCO'
'DELL'
'EBAY'
'GOOG'
'HPQ'
'IBM'
'INTC'
'MSFT'
'ORCL'
'YHOO'
'MARKET'
'CASH'
Моделируйте сценарии от данных о расписании для каждого из активов от CAPMuniverse.mat и постройте границу эффективности.
p = simulateNormalScenariosByData(p,AssetsTimeTable,10000,'missingdata',true);
p = setDefaultConstraints(p);
plotFrontier(p);
Можно также использовать запись через точку, чтобы моделировать многомерный нормальный актив, возвращают сценарии в данные для объекта PortfolioCVaR или PortfolioMAD.
obj = obj.simulateNormalScenariosByData(AssetReturns,NumScenarios,Name,Value);