PortfolioMAD

Создайте объект PortfolioMAD для средней абсолютной оптимизации портфеля отклонения и анализа

Описание

PortfolioMAD возразите реализует среднюю абсолютную оптимизацию портфеля отклонения, где MAD обозначает “среднее абсолютное отклонение”. PortfolioMAD функции поддержки объектов, которые характерны для оптимизации портфеля MAD.

Основной рабочий процесс для оптимизации портфеля MAD должен создать экземпляр PortfolioMAD возразите, что полностью задает задачу оптимизации портфеля и работать с PortfolioMAD объект получить и анализировать эффективные портфели. Для получения дополнительной информации о рабочем процессе при использовании PortfolioMAD объекты, смотрите Рабочий процесс Объекта PortfolioMAD.

Можно использовать PortfolioMAD объект несколькими способами. Настраивать задачу оптимизации портфеля в PortfolioMAD объект, самый простой синтаксис:

p = PortfolioMAD;

Этот синтаксис создает PortfolioMAD объект, p, таким образом, что все свойства объектов пусты.

PortfolioMAD объект также принимает наборы аргументов пары "имя-значение" для свойств и их значений. PortfolioMAD объект принимает входные параметры для свойств с общим синтаксисом:

	p = PortfolioMAD('property1',value1,'property2',value2, ... );

Если PortfolioMAD объект существует, синтаксис разрешает первое (и только первый аргумент) PortfolioMAD объект быть существующим объектом с последующими аргументами пары "имя-значение" для свойств, которые будут добавлены или изменены. Например, учитывая существующий PortfolioMAD объект в p, общий синтаксис:

p = PortfolioMAD(p,'property1',value1,'property2',value2, ... );

Имена входного параметра не являются чувствительными к регистру, но должны быть полностью заданы. Кроме того, несколько свойств могут быть заданы с альтернативными именами аргумента (см. Ярлыки для Имен свойства). PortfolioMAD возразите пытается обнаружить проблемные размерности от входных параметров и, когда-то установить, последующие входные параметры могут подвергнуться различным скалярным или матричным операциям расширения, которые упрощают полный процесс, чтобы сформулировать проблему. Кроме того, PortfolioMAD объект является объектом значения так, чтобы, учитывая портфель p, следующий код создает два объекта, p и q, это отлично:

q = PortfolioMAD(p, ...)

После создания PortfolioMAD объект, можно использовать связанные объектные функции, чтобы установить ограничения портфеля, анализировать границу эффективности и подтвердить модель портфеля.

Для более подробной информации на теоретической основе для условной подверженной риску значения оптимизации портфеля см. Теорию Оптимизации Портфеля.

Создание

Синтаксис

p = PortfolioMAD

p = PortfolioMAD(Name,Value)

p = PortfolioMAD(p,Name,Value)

Описание

пример

p = PortfolioMAD создает пустой PortfolioMAD объект для средней абсолютной оптимизации портфеля отклонения и анализа. Можно затем добавить элементы в PortfolioMAD объект с помощью поддерживаемого "добавляет" и "установил" функции. Для получения дополнительной информации смотрите Создание Объекта PortfolioMAD.

пример

p = PortfolioMAD(Name,Value) создает PortfolioMAD объект (p) и Свойства наборов с помощью пар "имя-значение". Например, p = PortfolioMAD('AssetList',Assets(1:12)). Можно задать несколько пар "имя-значение".

пример

p = PortfolioMAD(p,Name,Value) создает PortfolioMAD объект (p) использование ранее созданного PortfolioMAD объект p и Свойства наборов с помощью пар "имя-значение". Можно задать несколько пар "имя-значение".

Входные параметры

развернуть все

`p` — Ранее созданный объект PortfolioMAD
объект

Ранее созданный PortfolioMAD объект, заданное использование PortfolioMAD.

Свойства

развернуть все

Подготовка объекта

`AssetList` — Имена или символы активов во вселенной
`[]` (значение по умолчанию) | массив ячеек из символьных векторов | массив строк

Имена или символы активов во вселенной в виде массива ячеек из символьных векторов или массива строк.

Типы данных: cell | string

`InitPort` — Начальный портфель
`[]` (значение по умолчанию) | вектор

Начальный портфель в виде вектора.

Типы данных: double

`Name` — Имя, например, объекта PortfolioMAD
`[]` (значение по умолчанию) | вектор символов | строка

Имя, например, PortfolioMAD объект в виде вектора символов.

Типы данных: char | string

`NumAssets` — Количество активов во вселенной
`[]` (значение по умолчанию) | целочисленный скаляр

Количество активов во вселенной в виде целочисленного скаляра.

Типы данных: double

Ограничения объекта портфеля

`AEquality` — Линейная матрица ограничения равенства
`[]` (значение по умолчанию) | матрица

Линейная матрица ограничения равенства в виде матрицы.

Типы данных: double

`AInequality` — Линейная матрица ограничения неравенства
`[]` (значение по умолчанию) | матрица

Линейная матрица ограничения неравенства в виде матрицы.

Типы данных: double

`bEquality` — Линейный вектор ограничения равенства
`[]` (значение по умолчанию) | вектор

Линейный вектор ограничения равенства в виде вектора.

Типы данных: double

`bInequality` — Линейное ограничение неравенства
`[]` (значение по умолчанию) | вектор

Линейный вектор ограничения неравенства в виде вектора.

Типы данных: double

`GroupA` — Сгруппируйте веса, которые будут ограничены весами в группе B
`[]` (значение по умолчанию) | матрица

Сгруппируйте веса, которые будут ограничены весами в группе B в виде матрицы.

Типы данных: double

`GroupB` — Веса группы B
`[]` (значение по умолчанию) | матрица

Веса группы B в виде матрицы.

Типы данных: double

`GroupMatrix` — Матрица состава группы
`[]` (значение по умолчанию) | матрица

Матрица состава группы в виде матрицы.

Типы данных: double

`LowerBound` — Ограничение нижней границы
`[]` (значение по умолчанию) | вектор

Ограничение нижней границы в виде вектора.

Типы данных: double

`LowerBudget` — Ограничение бюджета нижней границы
`[]` (значение по умолчанию) | скаляр

Ограничение бюджета нижней границы в виде скаляра.

Типы данных: double

`LowerGroup` — Ограничение группы нижней границы
`[]` (значение по умолчанию) | вектор

Ограничение группы нижней границы в виде вектора.

Типы данных: double

`LowerRatio` — Минимальное отношение выделений между Группами A и B
`[]` (значение по умолчанию) | вектор

Минимальное отношение выделений между GroupA и GroupBВ виде вектора.

Типы данных: double

`UpperBound` — Ограничение верхней границы
`[]` (значение по умолчанию) | вектор

Ограничение верхней границы в виде вектора.

Типы данных: double

`UpperBudget` — Ограничение бюджета верхней границы
`[]` (значение по умолчанию) | скаляр

Ограничение бюджета верхней границы в виде скаляра.

Типы данных: double

`UpperGroup` — Ограничение группы верхней границы
`[]` (значение по умолчанию) | вектор

Ограничение группы верхней границы в виде вектора.

Типы данных: double

`UpperRatio` — Максимальное отношение выделений между Группами A и B
`[]` (значение по умолчанию) | вектор

Максимальное отношение выделений между GroupA и GroupBВ виде вектора.

Типы данных: double

`BoundType` — Тип границ для каждого веса актива
`'Simple'` (значение по умолчанию) | вектор символов со значением `'Simple'` или `'Conditional'` | представьте в виде строки со значением `"Simple"` или `"Conditional"` | массив ячеек из символьных векторов со значениями `'Simple'` или `'Conditional'` | массив строк со значениями `"Simple"` или `"Conditional"`

Тип границ для каждого веса актива в виде скалярного вектора символов или строки, или массива ячеек из символьных векторов или массива строк. Для получения дополнительной информации смотрите setBounds.

Типы данных: char | cell | string

`MinNumAssets` — Минимальное количество активов выделяется в портфеле
`[]` (значение по умолчанию) | числовой

Минимальное количество активов выделяется в портфеле в виде скалярного числового значения. Для получения дополнительной информации смотрите setMinMaxNumAssets.

Типы данных: double

`MaxNumAssets` — Максимальное количество активов выделяется в портфеле
`[]` (значение по умолчанию) | числовой

Максимальное количество активов выделяется в портфеле в виде скалярного числового значения. Для получения дополнительной информации смотрите setMinMaxNumAssets.

Типы данных: double

`BuyTurnover` — Ограничение оборота на покупки
`[]` (значение по умолчанию) | скаляр

Ограничение оборота на покупки в виде скаляра.

Типы данных: double

`SellTurnover` — Ограничение оборота на продажи
`[]` (значение по умолчанию) | скаляр

Ограничение оборота на продажи в виде скаляра.

Типы данных: double

`Turnover` — Ограничение оборота
`[]` (значение по умолчанию) | скаляр

Ограничение оборота в виде скаляра.

Типы данных: double

Объектное моделирование портфеля

`BuyCost` — Пропорциональные затраты на покупку
`[]` (значение по умолчанию) | вектор

Пропорциональная покупка стоит в виде вектора.

Типы данных: double

`RiskFreeRate` — Безрисковый уровень
`[]` (значение по умолчанию) | скаляр

Безрисковый уровень в виде скаляра.

Типы данных: double

`ProbabilityLevel` — Подверженный риску значения уровень вероятности, который является 1 − (вероятность потери)
`[]` (значение по умолчанию) | скаляр

Подверженный риску значения уровень вероятности, который является 1 − (вероятность потери) в виде скаляра.

Типы данных: double

`NumScenarios` — Количество сценариев
`[]` (значение по умолчанию) | целочисленный скаляр

Количество сценариев в виде целочисленного скаляра.

Типы данных: double

`SellCost` — Пропорциональные затраты на продажи
`[]` (значение по умолчанию) | вектор

Пропорциональные продажи стоят в виде вектора.

Типы данных: double

Функции объекта

`setAssetList`	Настройте список идентификаторов для активов
`setInitPort`	Настройте начальный или текущий портфель
`setDefaultConstraints`	Настройте ограничения портфеля с неотрицательными весами та сумма к 1
`estimateAssetMoments`	Оценочное среднее значение и ковариация актива возвращаются из данных
`setCosts`	Настройте пропорциональные операционные издержки
`addEquality`	Добавьте линейные ограничения равенства для весов портфеля к существующим ограничениям
`addGroupRatio`	Добавьте ограничения отношения группы для весов портфеля к существующим ограничениям отношения группы
`addGroups`	Добавьте ограничения группы для весов портфеля к существующим ограничениям группы
`addInequality`	Добавьте линейные ограничения неравенства для весов портфеля к существующим ограничениям
`getBounds`	Получите границы для весов портфеля от объекта портфеля
`getBudget`	Получите границы ограничения бюджета из объекта портфеля
`getCosts`	Получите покупают и продают операционные издержки от объекта портфеля
`getEquality`	Получите массивы ограничения равенства из объекта портфеля
`getGroupRatio`	Получите ограничительные массивы отношения группы из объекта портфеля
`getGroups`	Получите ограничительные массивы группы из объекта портфеля
`getInequality`	Получите массивы ограничения неравенства из объекта портфеля
`getOneWayTurnover`	Получите односторонние ограничения оборота из объекта портфеля
`setGroups`	Настройте ограничения группы для весов портфеля
`setInequality`	Настройте линейные ограничения неравенства для весов портфеля
`setBounds`	Настройте границы для весов портфеля для объекта портфеля
`setMinMaxNumAssets`	Установите ограничения кардинальности на количество активов, которые инвестируют в объект портфеля
`setBudget`	Настройте ограничения бюджета
`setCosts`	Настройте пропорциональные операционные издержки
`setDefaultConstraints`	Настройте ограничения портфеля с неотрицательными весами та сумма к 1
`setEquality`	Настройте линейные ограничения равенства для весов портфеля
`setGroupRatio`	Настройте ограничения отношения группы для весов портфеля
`setInitPort`	Настройте начальный или текущий портфель
`setOneWayTurnover`	Настройте односторонние ограничения оборота портфеля
`setTurnover`	Настройте максимальное ограничение оборота портфеля
`checkFeasibility`	Проверяйте выполнимость входных портфелей против объекта портфеля
`estimateBounds`	Оцените глобальные нижние и верхние границы для набора портфелей
`estimateFrontier`	Оцените конкретное количество оптимальных портфелей на границе эффективности
`estimateFrontierByReturn`	Оцените, что оптимальные портфели с целенаправленным портфелем возвращаются
`estimateFrontierByRisk`	Оцените оптимальные портфели с целенаправленными портфельными рисками
`estimateFrontierLimits`	Оцените оптимальные портфели в конечных точках границы эффективности
`plotFrontier`	Постройте границу эффективности
`estimatePortReturn`	Оцените, что среднее значение портфеля возвращается
`estimatePortRisk`	Оцените портфельный риск согласно прокси риска, сопоставленному с соответствующим объектом
`setSolver`	Выберите основной решатель и задайте сопоставленные опции решателя для оптимизации портфеля
`setProbabilityLevel`	Установите уровень вероятности для вычислений VaR и CVaR
`setScenarios`	Актив набора возвращает сценарии прямой матрицей
`getScenarios`	Получите сценарии из объекта портфеля
`simulateNormalScenariosByData`	Симулируйте многомерный нормальный актив, возвращают сценарии в данные
`simulateNormalScenariosByMoments`	Симулируйте многомерный нормальный актив, возвращают сценарии в среднее значение, и ковариация актива возвращается
`estimateScenarioMoments`	Оценочное среднее значение и ковариация актива возвращают сценарии
`estimatePortStd`	Оцените, что стандартное отклонение портфеля возвращается

Примеры

свернуть все

Создайте пустой объект PortfolioMAD

Скрипт Open Live Script

Можно создать объект PortfolioMAD, p, без входных параметров и отображения это с помощью disp.

p = PortfolioMAD;
disp(p);

  PortfolioMAD with properties:

         BuyCost: []
        SellCost: []
    RiskFreeRate: []
        Turnover: []
     BuyTurnover: []
    SellTurnover: []
    NumScenarios: []
            Name: []
       NumAssets: []
       AssetList: []
        InitPort: []
     AInequality: []
     bInequality: []
       AEquality: []
       bEquality: []
      LowerBound: []
      UpperBound: []
     LowerBudget: []
     UpperBudget: []
     GroupMatrix: []
      LowerGroup: []
      UpperGroup: []
          GroupA: []
          GroupB: []
      LowerRatio: []
      UpperRatio: []
    MinNumAssets: []
    MaxNumAssets: []
       BoundType: []

Этот подход обеспечивает способ настроить задачу оптимизации портфеля с PortfolioMAD функция. Можно затем использовать связанные функции множества, чтобы установить и изменить наборы свойств в PortfolioMAD объект.

Создайте объект PortfolioMAD Используя одноступенчатого Setup

Скрипт Open Live Script

Можно использовать PortfolioMAD возразите непосредственно, чтобы настроить “стандартную” задачу оптимизации портфеля. Учитывая сценарии актива возвращается в переменной AssetScenarios, эта проблема полностью задана можно следующим образом:

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;

AssetScenarios = mvnrnd(m, C, 20000);

p = PortfolioMAD('Scenarios', AssetScenarios, ...
'LowerBound', 0, 'LowerBudget', 1, 'UpperBudget', 1)

p = 
  PortfolioMAD with properties:

         BuyCost: []
        SellCost: []
    RiskFreeRate: []
        Turnover: []
     BuyTurnover: []
    SellTurnover: []
    NumScenarios: 20000
            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: []

Обратите внимание на то, что LowerBound значение свойства подвергается скалярному расширению начиная с AssetScenarios обеспечивает размерности проблемы.

Создайте объект PortfolioMAD Используя последовательность шагов

Скрипт Open Live Script

Используя последовательность шагов альтернативный способ выполнить ту же задачу подготовки “стандартной” задачи оптимизации портфеля MAD, учитывая AssetScenarios переменная:

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;

AssetScenarios = mvnrnd(m, C, 20000);

p = PortfolioMAD;
p = setScenarios(p, AssetScenarios);
p = PortfolioMAD(p, 'LowerBound', 0);
p = PortfolioMAD(p, 'LowerBudget', 1, 'UpperBudget', 1);

plotFrontier(p);

Этот путь работает потому что вызовы PortfolioMAD находятся в этом конкретном порядке. В этом случае, вызов, чтобы инициализировать AssetScenarios обеспечивает размерности для проблемы. Если бы необходимо было выполнить этот шаг в последний раз, необходимо было бы явным образом определить размеры LowerBound свойство можно следующим образом:

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;

AssetScenarios = mvnrnd(m, C, 20000);

p = PortfolioMAD;
p = PortfolioMAD(p, 'LowerBound', zeros(size(m)));
p = PortfolioMAD(p, 'LowerBudget', 1, 'UpperBudget', 1);
p = setScenarios(p, AssetScenarios);

plotFrontier(p);

Если вы не задавали размер LowerBound но, вместо этого, введите скалярный аргумент, PortfolioMAD объект принимает, что вы описываете задачу одно актива, и производит ошибку в вызове, чтобы установить сценарии актива с четырьмя активами.

Создайте объект PortfolioMAD Используя ярлыки для имен свойства

Скрипт Open Live Script

Можно создать объект PortfolioMAD, p с PortfolioMAD объект с помощью ярлыков в именах свойства.

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;

AssetScenarios = mvnrnd(m, C, 20000);

p = PortfolioMAD('scenario', AssetScenarios, 'lb', 0, 'budget', 1)

p = 
  PortfolioMAD with properties:

         BuyCost: []
        SellCost: []
    RiskFreeRate: []
        Turnover: []
     BuyTurnover: []
    SellTurnover: []
    NumScenarios: 20000
            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: []

Прямая установка свойств объектов PortfolioMAD

Скрипт Open Live Script

Несмотря на то, что не рекомендуемый, можно установить свойства непосредственно, однако никакая проверка ошибок не сделана на входных параметрах.

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;

AssetScenarios = mvnrnd(m, C, 20000);

p = PortfolioMAD;

p = setScenarios(p, AssetScenarios);

p.LowerBudget = 1;
p.UpperBudget = 1;
p.LowerBound = zeros(size(m));
disp(p);

  PortfolioMAD with properties:

         BuyCost: []
        SellCost: []
    RiskFreeRate: []
        Turnover: []
     BuyTurnover: []
    SellTurnover: []
    NumScenarios: 20000
            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: []

Сценарии не могут быть присвоены непосредственно объекту PortfolioMAD. Сценарии должны всегда устанавливаться через любого PortfolioMAD функция, setScenarios функция или любая из функций симуляции сценария.

Создайте `PortfolioMAD` Возразите и определите эффективные портфели

Скрипт Open Live Script

Создайте эффективные портфели:

load CAPMuniverse

p = PortfolioMAD('AssetList',Assets(1:12));
p = simulateNormalScenariosByData(p, Data(:,1:12), 20000 ,'missingdata',true);
p = setDefaultConstraints(p);

plotFrontier(p);

pwgt = estimateFrontier(p, 5);

pnames = cell(1,5);
for i = 1:5
	pnames{i} = sprintf('Port%d',i);
end

Blotter = dataset([{pwgt},pnames],'obsnames',p.AssetList);

disp(Blotter);

            Port1        Port2       Port3       Port4      Port5
    AAPL     0.029787    0.076199     0.11265    0.13397    0    
    AMZN            0           0           0          0    0    
    CSCO            0           0           0          0    0    
    DELL    0.0089177           0           0          0    0    
    EBAY            0           0           0          0    0    
    GOOG      0.16094      0.3516     0.54479    0.74898    1    
    HPQ      0.056856    0.023073           0          0    0    
    IBM       0.46074     0.37919     0.29379    0.11705    0    
    INTC            0           0           0          0    0    
    MSFT      0.28277     0.16994    0.048762          0    0    
    ORCL            0           0           0          0    0    
    YHOO            0           0           0          0    0

Больше о

развернуть все

Означайте Абсолютное об оптимизации портфеля отклонения

Задача оптимизации MAD полностью задана с тремя элементами.

Эти три элемента для задача оптимизации MAD:

Вселенная активов со сценариями совокупных доходов актива сроком на интерес, где сценарии включают набор выборок от базового вероятностного распределения для совокупных доходов актива. Этот набор должен быть достаточно большим для асимптотической сходимости демонстрационной статистики. Актив возвращает моменты, и связанные статистические данные выведены исключительно из сценариев.
Набор портфеля, который задает набор выбора портфеля в терминах набора ограничений.
Модель для портфеля возвращает и рискует прокси, который, для оптимизации MAD, является или грубым или сетевым средним значением портфеля, возвращается, и среднее абсолютное отклонение портфеля возвращается.

После того, как эти три элемента были указаны однозначно, возможно решить и анализировать задачи оптимизации портфеля MAD.

Самая простая задача оптимизации портфеля MAD имеет:

Сценарии совокупных доходов актива
Требование, чтобы все портфели имели неотрицательные веса, которые суммируют к 1 (ограничение суммирования известно как ограничение бюджета),
Встроенные модели для портфеля возвращают и рискуют прокси, которые используют сценарии совокупных доходов актива

Учитывая сценарии актива возвращается в переменной AssetScenarios, эта проблема полностью задана:

p = PortfolioMAD('Scenarios', AssetScenarios, 'LowerBound', 0, 'Budget', 1);

или эквивалентно:

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

Чтобы подтвердить, что это - допустимая задача оптимизации портфеля, следующая функция определяет, ограничен ли набор выбора PortfolioMAD (необходимое условие для оптимизации портфеля).

[lb, ub, isbounded] = estimateBounds(p);

Учитывая проблему, заданную в PortfolioMAD объект p, граница эффективности для этой проблемы может быть отображена с:

plotFrontier(p);

и эффективные портфели могут быть получены с:

pwgt = estimateFrontier(p);

Для более подробной информации на теоретической основе для средней абсолютной оптимизации отклонения см. Теорию Оптимизации Портфеля.

Проблемная достаточность PortfolioMAD

Задача оптимизации портфеля MAD полностью задана с PortfolioMAD возразите, соблюдают ли три условия.

Следующее является тремя условиями, которые нужно соблюдать:

Необходимо указать, что набор актива возвращается или цены, известные как сценарии, таким образом, что все сценарии являются конечным активом, возвращается или цены. Эти сценарии предназначаются, чтобы быть выборками от базового вероятностного распределения актива, возвращается. Этому условию может удовлетворить setScenarios функционируйте или с несколькими консервированными функциями симуляции сценария.
Набор выполнимых портфелей должен быть непустым компактным набором, где компактный набор закрыт и ограничен. Можно удовлетворить этому условию с помощью обширного набора свойств, которые задают различные типы ограничений, чтобы сформировать набор выполнимых портфелей. Поскольку такие наборы должны быть ограничены, или явные или неявные ограничения могут быть наложены и несколько инструментов, таких как estimateBounds функционируйте, обеспечьте способы гарантировать, что ваша проблема правильно формулируется.
Несмотря на то, что общие достаточные условия для оптимизации портфеля MAD идут вне этих условий, PortfolioMAD указатели на объект все эти дополнительные условия.

Ярлыки для имен свойства

PortfolioMAD объект имеет более короткие имена аргумента, которые заменяют более длинные имена аргумента, сопоставленные на определенные свойства PortfolioMAD объект.

Например, вместо того, чтобы ввести 'AInequality', PortfolioMAD принимает нечувствительное к регистру имя 'ai' установить AInequality свойство в PortfolioMAD объект. Каждое более короткое имя аргумента соответствует одному свойству в PortfolioMAD функция. Одним исключением является альтернативное имя аргумента 'budget', который показывает обоих LowerBudget и UpperBudget свойства. Когда 'budget' используется, затем LowerBudget и UpperBudget свойства собираются в то же значение сформировать ограничение бюджета равенства.

Ярлыки для имен свойства

Имя аргумента ярлыка	Эквивалентный Аргумент / Имя свойства
`ae`	`AEquality`
`ai`	`AInequality`
`assetnames` или `assets`	`AssetList`
`be`	`bEquality`
`bi`	`bInequality`
`budget`	`UpperBudget` и `LowerBudget`
`group`	`GroupMatrix`
`lb`	`LowerBound`
`n` или `num`	`NumAssets`
`rfr`	`RiskFreeRate`
`scenario` или `assetscenarios`	`Scenarios`
`ub`	`UpperBound`

Ссылки

[1] Для полного списка ссылок для объекта PortfolioMAD смотрите Оптимизацию Портфеля.

Документация

PortfolioMAD

Описание

Создание

Синтаксис

Описание

Входные параметры

p — Ранее созданный объект PortfolioMAD объект

Свойства

Подготовка объекта

AssetList — Имена или символы активов во вселенной [] (значение по умолчанию) | массив ячеек из символьных векторов | массив строк

InitPort — Начальный портфель [] (значение по умолчанию) | вектор

Name — Имя, например, объекта PortfolioMAD [] (значение по умолчанию) | вектор символов | строка

NumAssets — Количество активов во вселенной [] (значение по умолчанию) | целочисленный скаляр

Ограничения объекта портфеля

AEquality — Линейная матрица ограничения равенства [] (значение по умолчанию) | матрица

AInequality — Линейная матрица ограничения неравенства [] (значение по умолчанию) | матрица

bEquality — Линейный вектор ограничения равенства [] (значение по умолчанию) | вектор

bInequality — Линейное ограничение неравенства [] (значение по умолчанию) | вектор

GroupA — Сгруппируйте веса, которые будут ограничены весами в группе B [] (значение по умолчанию) | матрица

GroupB — Веса группы B [] (значение по умолчанию) | матрица

GroupMatrix — Матрица состава группы [] (значение по умолчанию) | матрица

LowerBound — Ограничение нижней границы [] (значение по умолчанию) | вектор

LowerBudget — Ограничение бюджета нижней границы [] (значение по умолчанию) | скаляр

LowerGroup — Ограничение группы нижней границы [] (значение по умолчанию) | вектор

LowerRatio — Минимальное отношение выделений между Группами A и B [] (значение по умолчанию) | вектор

UpperBound — Ограничение верхней границы [] (значение по умолчанию) | вектор

UpperBudget — Ограничение бюджета верхней границы [] (значение по умолчанию) | скаляр

UpperGroup — Ограничение группы верхней границы [] (значение по умолчанию) | вектор

UpperRatio — Максимальное отношение выделений между Группами A и B [] (значение по умолчанию) | вектор

MinNumAssets — Минимальное количество активов выделяется в портфеле [] (значение по умолчанию) | числовой

MaxNumAssets — Максимальное количество активов выделяется в портфеле [] (значение по умолчанию) | числовой

BuyTurnover — Ограничение оборота на покупки [] (значение по умолчанию) | скаляр

SellTurnover — Ограничение оборота на продажи [] (значение по умолчанию) | скаляр

Turnover — Ограничение оборота [] (значение по умолчанию) | скаляр

Объектное моделирование портфеля

BuyCost — Пропорциональные затраты на покупку [] (значение по умолчанию) | вектор

RiskFreeRate — Безрисковый уровень [] (значение по умолчанию) | скаляр

ProbabilityLevel — Подверженный риску значения уровень вероятности, который является 1 − (вероятность потери) [] (значение по умолчанию) | скаляр

NumScenarios — Количество сценариев [] (значение по умолчанию) | целочисленный скаляр

SellCost — Пропорциональные затраты на продажи [] (значение по умолчанию) | вектор

Функции объекта

Примеры

Создайте пустой объект PortfolioMAD

Создайте объект PortfolioMAD Используя одноступенчатого Setup

Создайте объект PortfolioMAD Используя последовательность шагов

Создайте объект PortfolioMAD Используя ярлыки для имен свойства

Прямая установка свойств объектов PortfolioMAD

Создайте PortfolioMAD Возразите и определите эффективные портфели

Больше о

Означайте Абсолютное об оптимизации портфеля отклонения

Проблемная достаточность PortfolioMAD

Ярлыки для имен свойства

Ссылки

Смотрите также

Темы

Введенный в R2013b

Документация Financial Toolbox

Поддержка

`p` — Ранее созданный объект PortfolioMAD
объект

`AssetList` — Имена или символы активов во вселенной
`[]` (значение по умолчанию) | массив ячеек из символьных векторов | массив строк

`InitPort` — Начальный портфель
`[]` (значение по умолчанию) | вектор

`Name` — Имя, например, объекта PortfolioMAD
`[]` (значение по умолчанию) | вектор символов | строка

`NumAssets` — Количество активов во вселенной
`[]` (значение по умолчанию) | целочисленный скаляр

`AEquality` — Линейная матрица ограничения равенства
`[]` (значение по умолчанию) | матрица

`AInequality` — Линейная матрица ограничения неравенства
`[]` (значение по умолчанию) | матрица

`bEquality` — Линейный вектор ограничения равенства
`[]` (значение по умолчанию) | вектор

`bInequality` — Линейное ограничение неравенства
`[]` (значение по умолчанию) | вектор

`GroupA` — Сгруппируйте веса, которые будут ограничены весами в группе B
`[]` (значение по умолчанию) | матрица

`GroupB` — Веса группы B
`[]` (значение по умолчанию) | матрица

`GroupMatrix` — Матрица состава группы
`[]` (значение по умолчанию) | матрица

`LowerBound` — Ограничение нижней границы
`[]` (значение по умолчанию) | вектор

`LowerBudget` — Ограничение бюджета нижней границы
`[]` (значение по умолчанию) | скаляр

`LowerGroup` — Ограничение группы нижней границы
`[]` (значение по умолчанию) | вектор

`LowerRatio` — Минимальное отношение выделений между Группами A и B
`[]` (значение по умолчанию) | вектор

`UpperBound` — Ограничение верхней границы
`[]` (значение по умолчанию) | вектор

`UpperBudget` — Ограничение бюджета верхней границы
`[]` (значение по умолчанию) | скаляр

`UpperGroup` — Ограничение группы верхней границы
`[]` (значение по умолчанию) | вектор

`UpperRatio` — Максимальное отношение выделений между Группами A и B
`[]` (значение по умолчанию) | вектор

`MinNumAssets` — Минимальное количество активов выделяется в портфеле
`[]` (значение по умолчанию) | числовой

`MaxNumAssets` — Максимальное количество активов выделяется в портфеле
`[]` (значение по умолчанию) | числовой

`BuyTurnover` — Ограничение оборота на покупки
`[]` (значение по умолчанию) | скаляр

`SellTurnover` — Ограничение оборота на продажи
`[]` (значение по умолчанию) | скаляр

`Turnover` — Ограничение оборота
`[]` (значение по умолчанию) | скаляр

`BuyCost` — Пропорциональные затраты на покупку
`[]` (значение по умолчанию) | вектор

`RiskFreeRate` — Безрисковый уровень
`[]` (значение по умолчанию) | скаляр

`ProbabilityLevel` — Подверженный риску значения уровень вероятности, который является 1 − (вероятность потери)
`[]` (значение по умолчанию) | скаляр

`NumScenarios` — Количество сценариев
`[]` (значение по умолчанию) | целочисленный скаляр

`SellCost` — Пропорциональные затраты на продажи
`[]` (значение по умолчанию) | вектор

Создайте `PortfolioMAD` Возразите и определите эффективные портфели