portopt
Этот пример строит границу эффективности гипотетического портфеля трех активов. Это иллюстрирует, как задать ожидаемые доходы, стандартные отклонения и корреляции портфеля активов, как преобразовать стандартные отклонения и корреляции в ковариационную матрицу, и как вычислить и построить границу эффективности от возвратов и ковариационной матрицы. Пример также иллюстрирует, как случайным образом сгенерировать набор весов портфеля, и как добавить случайные портфели в существующий график для сравнения с границей эффективности.
Во-первых, задайте ожидаемые доходы, стандартные отклонения и корреляционную матрицу для гипотетического портфеля трех активов.
Returns = [0.1 0.15 0.12]; STDs = [0.2 0.25 0.18]; Correlations = [ 1 0.3 0.4 0.3 1 0.3 0.4 0.3 1 ];
Преобразуйте стандартные отклонения и корреляционную матрицу в ковариационную матрицу отклонения с функцией Financial Toolbox™ corr2cov
.
Covariances = corr2cov(STDs, Correlations);
Оцените и постройте границу эффективности в 20 точках вдоль границы, с помощью функционального portopt
и ожидаемые доходы и соответствующая ковариационная матрица. Несмотря на то, что скорее уточняют, ограничения могут быть помещены в активы в портфеле, поскольку простота принимает ограничения по умолчанию и масштабирует итоговое значение портфеля к 1 и ограничивает веса быть положительными (никакая короткая продажа).
portopt
был частично удален и больше не будет принимать ConSet
или varargin
аргументы. Используйте Portfolio
возразите вместо этого, чтобы решить задачи портфеля, которые являются больше, чем длинно-единственный полностью инвестированный портфель. Для получения информации о рабочем процессе при использовании объектов Портфеля смотрите Рабочий процесс Объекта Портфеля. Для получения дополнительной информации о миграции portopt
код к Portfolio
, см. portopt Миграцию к Объекту Портфеля.
portopt(Returns, Covariances, 20)
Теперь, когда граница эффективности отображена, случайным образом сгенерируйте веса актива для 1 000 портфелей, начинающих с начального состояния MATLAB®.
rng('default')
Weights = rand(1000, 3);
Предыдущая строка кода генерирует три столбца равномерно распределенных случайных весов, но не гарантирует, что они суммируют к 1. Следующий сегмент кода нормирует веса каждого портфеля так, чтобы общее количество этих трех весов представляло допустимый портфель.
Total = sum(Weights, 2); % Add the weights Total = Total(:,ones(3,1)); % Make size-compatible matrix Weights = Weights./Total; % Normalize so sum = 1
Учитывая 1 000 случайных созданных портфелей, вычислите ожидаемый доход и риск каждого портфеля, сопоставленного с весами.
[PortRisk, PortReturn] = portstats(Returns, Covariances, ...
Weights);
Наконец, содержите текущий график и постройте возвраты и риски каждого портфеля сверх существующей границы эффективности для сравнения. После графического вывода аннотируйте график заголовком и возвратите график в состояние содержания значения по умолчанию (любые последующие графики сотрут существующие данные). Граница эффективности появляется в синем, в то время как 1 000 случайных портфелей появляются как набор красных точек на или ниже границы.
hold on plot (PortRisk, PortReturn, '.r') title('Mean-Variance Efficient Frontier and Random Portfolios') hold off
blsdelta
| blsgamma
| blsprice
| blsvega
| bndconvy
| bnddury
| bndkrdur
| bndprice
| corr2cov
| portopt
| zbtprice
| zero2disc
| zero2fwd