estimatePortRisk

Оцените портфельный риск согласно прокси риска, сопоставленному с соответствующим объектом

Описание

пример

prsk = estimatePortRisk(obj,pwgt) оценочный портфельный риск согласно прокси риска, сопоставленному с соответствующим объектом (obj) 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

Учитывая портфель p, используйте estimatePortRisk функционируйте, чтобы показать, что стандартное отклонение портфеля возвращается для каждого портфеля в pwgt.

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 = estimateFrontierLimits(p);
prsk = estimatePortRisk(p, pwgt);
disp(prsk)
    0.0769
    0.3500

Учитывая портфель pwgt, используйте estimatePortRisk функционируйте, чтобы показать, что подверженное риску значения условное выражение (CVaR) портфеля возвращается для каждого портфеля.

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;

rng(11);

AssetScenarios = mvnrnd(m, C, 20000);

p = PortfolioCVaR;
p = setScenarios(p, AssetScenarios);
p = setDefaultConstraints(p);
p = setProbabilityLevel(p, 0.95);

pwgt = estimateFrontierLimits(p);
prsk = estimatePortRisk(p, pwgt);
disp(prsk)
    0.0407
    0.1911

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

Учитывая портфель pwgt, используйте estimatePortRisk функционируйте, чтобы показать, что среднее абсолютное отклонение портфеля возвращается для каждого портфеля.

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;

rng(11);

AssetScenarios = mvnrnd(m, C, 20000);

p = PortfolioMAD;
p = setScenarios(p, AssetScenarios);
p = setDefaultConstraints(p);


pwgt = estimateFrontierLimits(p);
prsk = estimatePortRisk(p, pwgt);
disp(prsk)
    0.0177
    0.0809

Функциональный rng(seed) сбрасывает 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

Набор портфелей в виде NumAssets- NumPorts матрица, где NumAssets количество активов во вселенной и NumPorts количество портфелей в наборе портфелей.

Типы данных: double

Выходные аргументы

свернуть все

Оценки для портфельного риска согласно прокси риска, сопоставленному с соответствующим объектом (obj) для каждого портфеля в pwgt, возвращенный как NumPorts вектор.

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

Советы

Можно также использовать запись через точку, чтобы оценить портфельный риск согласно прокси риска, сопоставленному с соответствующим объектом (obj).

prsk = obj.estimatePortRisk(pwgt);

Введенный в R2011a

Для просмотра документации необходимо авторизоваться на сайте