estimateFrontierByReturn

Оцените, что оптимальные портфели с целенаправленным портфелем возвращаются

Описание

пример

[pwgt,pbuy,psell] = estimateFrontierByReturn(obj,TargetReturn) оценочные оптимальные портфели с целенаправленным портфелем возвращаются для Portfolio, PortfolioCVaR, или PortfolioMAD объекты. Для получения дополнительной информации на соответствующих рабочих процессах при использовании этих различных объектов, смотрите Рабочий процесс Объекта Портфеля, Рабочий процесс Объекта PortfolioCVaR и Рабочий процесс Объекта PortfolioMAD.

Примеры

свернуть все

Получить эффективные портфели, которые предназначались для портфеля, возвращается, estimateFrontierByReturn функция признает, что один или несколько предназначается для портфеля, возвращает и получает эффективные портфели с заданными возвратами. Примите, что у вас есть вселенная четырех активов, где вы хотите получить эффективные портфели с целевым портфелем, возвращается из 6%, 9% и 12%.

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 ];
 
p = Portfolio;
p = setAssetMoments(p, m, C);
p = setDefaultConstraints(p);
pwgt = estimateFrontierByReturn(p, [0.06, 0.09, 0.12]);

display(pwgt);
pwgt = 4×3

    0.8772    0.5032    0.1293
    0.0434    0.2488    0.4541
    0.0416    0.0780    0.1143
    0.0378    0.1700    0.3022

Когда любой или любая комбинация ограничений от 'Conditional' BoundType, MinNumAssets, и MaxNumAssets активны, проблема портфеля формулируется как проблема частично-целочисленного программирования, и решатель MINLP используется.

Создайте Portfolio объект для трех активов.

AssetMean = [ 0.0101110; 0.0043532; 0.0137058 ];
AssetCovar = [ 0.00324625 0.00022983 0.00420395;
               0.00022983 0.00049937 0.00019247;
               0.00420395 0.00019247 0.00764097 ];  
p = Portfolio('AssetMean', AssetMean, 'AssetCovar', AssetCovar);
p = setDefaultConstraints(p);           

Используйте setBounds с полунепрерывными ограничениями, чтобы установить кси = 0 или 0.02 <= xi<= 0.5 для всего i = 1... NumAssets.

p = setBounds(p, 0.02, 0.7,'BoundType', 'Conditional', 'NumAssets', 3);                    

При работе с Portfolio объект, setMinMaxNumAssets функция позволяет вам настроить пределы на количестве активов, которые инвестируют (как известный кардинальностью) ограничения. Это определяет общий номер выделенных активов, удовлетворяющих Связанным ограничениям, которые являются между MinNumAssets и MaxNumAssets. Установкой MinNumAssets = MaxNumAssets = 2, только два из этих трех активов инвестируют в портфель.

p = setMinMaxNumAssets(p, 2, 2);  

Используйте estimateFrontierByReturn оценить оптимальные портфели с целенаправленным портфелем возвращается.

[pwgt, pbuy, psell] = estimateFrontierByReturn(p,[ 0.0072321, 0.0119084 ])
pwgt = 3×2

         0    0.5000
    0.6922         0
    0.3078    0.5000

pbuy = 3×2

         0    0.5000
    0.6922         0
    0.3078    0.5000

psell = 3×2

     0     0
     0     0
     0     0

estimateFrontierByReturn функционируйте использует решатель MINLP, чтобы решить эту задачу. Используйте setSolverMINLP функция, чтобы сконфигурировать SolverType и опции.

p.solverTypeMINLP
ans = 
'OuterApproximation'
p.solverOptionsMINLP
ans = struct with fields:
                           MaxIterations: 1000
                    AbsoluteGapTolerance: 1.0000e-07
                    RelativeGapTolerance: 1.0000e-05
                  NonlinearScalingFactor: 1000
                  ObjectiveScalingFactor: 1000
                                 Display: 'off'
                           CutGeneration: 'basic'
                MaxIterationsInactiveCut: 30
                      ActiveCutTolerance: 1.0000e-07
                  IntMasterSolverOptions: [1x1 optim.options.Intlinprog]
    NumIterationsEarlyIntegerConvergence: 30

Получить эффективные портфели, которые предназначались для портфеля, возвращается, estimateFrontierByReturn функция признает, что один или несколько предназначается для портфеля, возвращает и получает эффективные портфели с заданными возвратами. Примите, что у вас есть вселенная четырех активов, где вы хотите получить эффективные портфели с целевым портфелем, возвращается из 7%, 10% и 13%.

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 ];

rng(11);

p = PortfolioCVaR;
p = simulateNormalScenariosByMoments(p, m, C, 2000);
p = setDefaultConstraints(p);
p = setProbabilityLevel(p, 0.95);

pwgt = estimateFrontierByReturn(p, [0.07 0.10, 0.13]);

display(pwgt);
pwgt = 4×3

    0.7370    0.3067         0
    0.1502    0.3937    0.4396
    0.0290    0.0997    0.1360
    0.0838    0.1999    0.4244

Функциональный rng(seed) используется, чтобы сбросить генератор случайных чисел, чтобы привести к зарегистрированным результатам. Не необходимо сбросить генератор случайных чисел, чтобы симулировать сценарии.

Получить эффективные портфели, которые предназначались для портфеля, возвращается, estimateFrontierByReturn функция признает, что один или несколько предназначается для портфеля, возвращает и получает эффективные портфели с заданными возвратами. Примите, что у вас есть вселенная четырех активов, где вы хотите получить эффективные портфели с целевым портфелем, возвращается из 7%, 10% и 13%.

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 ];

rng(11);

p = PortfolioMAD;
p = simulateNormalScenariosByMoments(p, m, C, 2000);
p = setDefaultConstraints(p);

pwgt = estimateFrontierByReturn(p, [0.07 0.10, 0.13]);

display(pwgt);
pwgt = 4×3

    0.7437    0.3146         0
    0.1357    0.3837    0.4425
    0.0326    0.0939    0.1319
    0.0881    0.2079    0.4255

Функциональный rng(seed) используется, чтобы сбросить генератор случайных чисел, чтобы привести к зарегистрированным результатам. Не необходимо сбросить генератор случайных чисел, чтобы симулировать сценарии.

Входные параметры

свернуть все

Объект для портфеля, заданное использование Portfolio, PortfolioCVaR, или PortfolioMAD объект. Для получения дополнительной информации о создании объекта портфеля смотрите

Типы данных: object

Целевые значения для портфеля возвращаются в виде NumPorts вектор.

Примечание

TargetReturn указывает, что цель возвращается для портфелей на границе эффективности. Если любой TargetReturn значения находятся вне области значений возвратов для эффективных портфелей, TargetReturn заменяется минимальным или максимальным эффективным портфелем, возвращаются, в зависимости от того, является ли целевой возврат ниже, или выше области значений эффективного портфеля возвращается.

Типы данных: double

Выходные аргументы

свернуть все

Оптимальные портфели на границе эффективности с заданной целью возвращаются из TargetReturn, возвращенный как NumAssets- NumPorts матрица. pwgt возвращен для Portfolio, PortfolioCVaR, или PortfolioMAD входной объект (obj).

Покупки относительно начального портфеля для оптимальных портфелей на границе эффективности, возвращенной как NumAssets- NumPorts матрица.

Примечание

Если никакой начальный портфель не задан в obj.InitPort, то значение принято, чтобы быть 0 таким образом, что pbuy = max(0, pwgt) и psell = max(0, -pwgt).

pbuy возвращен для Portfolio, PortfolioCVaR, или PortfolioMAD входной объект (obj).

Продажи относительно начального портфеля для оптимальных портфелей на границе эффективности, возвращенной как NumAssets- NumPorts матрица.

Примечание

Если никакой начальный портфель не задан в obj.InitPort, то значение принято, чтобы быть 0 таким образом, что pbuy = max(0, pwgt) и psell = max(0, -pwgt).

psell возвращен для Portfolio, PortfolioCVaR, или PortfolioMAD входной объект (obj).

Советы

Можно также использовать запись через точку, чтобы оценить, что оптимальные портфели с целенаправленным портфелем возвращаются.

[pwgt, pbuy, psell] = obj.estimateFrontierByReturn(TargetReturn);

Введенный в R2011a

Для просмотра документации необходимо авторизоваться на сайте