Создайте объект PortfolioMAD для средней абсолютной оптимизации портфеля отклонения и анализа
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;
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.
p = PortfolioMADPortfolioMAD 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.
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 |
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.
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.
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.
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: []
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.
PortfolioMAD Возразите и определите эффективные портфелиСоздайте 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
[1] Для полного списка ссылок для объекта PortfolioMAD смотрите Оптимизацию Портфеля.
Portfolio | PortfolioCVaR | estimateFrontier | nearcorr | plotFrontier | setScenarios