PortfolioMAD

Создание объекта MAD для оптимизации и анализа портфеля средних и абсолютных отклонений

Описание

PortfolioMAD объект реализует оптимизацию портфеля среднего абсолютного отклонения, где MAD обозначает «среднее абсолютное отклонение». PortfolioMAD объекты поддерживают функции, специфичные для оптимизации портфеля MAD.

Основной поток операций для оптимизации портфеля MAD - создание экземпляра PortfolioMAD , который полностью определяет задачу оптимизации портфеля и для работы с PortfolioMAD цель - получение и анализ эффективных портфелей. Дополнительные сведения о рабочем процессе при использовании PortfolioMAD см. раздел Рабочий процесс объекта MAD.

Вы можете использовать PortfolioMAD объект несколькими способами. Настройка задачи оптимизации портфеля в PortfolioMAD объект, простейший синтаксис:

p = PortfolioMAD;

Этот синтаксис создает PortfolioMAD объект, p, так что все свойства объекта пусты.

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

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

Если PortfolioMAD существует объект, синтаксис разрешает первый (и только первый аргумент) PortfolioMAD объект должен быть существующим объектом с последующими аргументами пары имя-значение для добавляемых или изменяемых свойств. Например, при наличии PortfolioMAD объект в p, общий синтаксис:

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

Имена входных аргументов не чувствительны к регистру, но должны быть полностью указаны. Кроме того, можно указать несколько свойств с альтернативными именами аргументов (см. Ярлыки для имен свойств). PortfolioMAD объект пытается обнаружить размеры проблемы из входных данных, и после установки последующие входные данные могут подвергаться различным скалярным или матричным операциям расширения, которые упрощают общий процесс формирования задачи. Кроме того, PortfolioMAD объект является объектом стоимости, так что, данное портфолио p, следующий код создает два объекта, p и q, которые отличаются:

q = PortfolioMAD(p, ...)

После создания PortfolioMAD можно использовать связанные функции объекта для установки ограничений портфеля, анализа эффективной границы и проверки модели портфеля.

Дополнительные сведения о теоретической базе для оптимизации портфеля с учетом условной стоимости и риска см. в разделе Теория оптимизации портфеля.

Создание

Синтаксис

p = PortfolioMAD

p = MAD (имя, значение)

p = MAD (p, имя, значение)

Описание

пример

p = PortfolioMAD создает пустой PortfolioMAD объект для оптимизации и анализа портфеля средних и абсолютных отклонений. Затем можно добавить элементы в PortfolioMAD с использованием поддерживаемых функций «add» и «set». Для получения дополнительной информации посмотрите Создание Объекта PortfolioMAD.

пример

p = PortfolioMAD(Name,Value) создает PortfolioMAD объект (p) и задает Свойства, используя пары имя-значение. Например, p = PortfolioMAD('AssetList',Assets(1:12)). Можно указать несколько пар имя-значение.

пример

p = PortfolioMAD(p,Name,Value) создает PortfolioMAD объект (p) с использованием ранее созданного PortfolioMAD объект p и задает Свойства, используя пары имя-значение. Можно указать несколько пар имя-значение.

Входные аргументы

развернуть все

`p` - Ранее построенный объект MAD
объект

Ранее построенные PortfolioMAD объект, указанный с помощью PortfolioMAD.

Свойства

развернуть все

Настройка объекта

`AssetList` - Названия или символы активов во вселенной
`[]` (по умолчанию) | массив ячеек символьных векторов | строковый массив

Имена или символы ресурсов во вселенной, определяемые как массив ячеек символьных векторов или строковый массив.

Типы данных: cell | string

`InitPort` - Первоначальный портфель
`[]` (по умолчанию) | вектор

Начальный портфель, указанный как вектор.

Типы данных: double

`Name` - Имя экземпляра объекта MAD
`[]` (по умолчанию) | символьный вектор | строка

Имя для экземпляра PortfolioMAD объект, указанный как символьный вектор.

Типы данных: char | string

`NumAssets` - Количество активов во Вселенной
`[]` (по умолчанию) | целочисленный скаляр

Количество активов во вселенной, указанное как целочисленный скаляр.

Типы данных: double

Ограничения объекта портфеля

`AEquality` - Матрица ограничений линейного равенства
`[]` (по умолчанию) | матрица

Матрица ограничений линейного равенства, заданная как матрица.

Типы данных: double

`AInequality` - Матрица ограничений линейного неравенства
`[]` (по умолчанию) | матрица

Матрица ограничений линейного неравенства, заданная как матрица.

Типы данных: double

`bEquality` - вектор ограничения линейного равенства;
`[]` (по умолчанию) | вектор

Вектор ограничения линейного равенства, заданный как вектор.

Типы данных: double

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

Вектор ограничения линейного неравенства, заданный как вектор.

Типы данных: double

`GroupA` - Весовые коэффициенты группы A должны быть ограничены весовыми коэффициентами в группе B
`[]` (по умолчанию) | матрица

Весовые коэффициенты группы A, ограничиваемые весовыми коэффициентами группы B, заданными в виде матрицы.

Типы данных: double

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

Весовые коэффициенты группы B, указанные как матрица.

Типы данных: double

`GroupMatrix` - Матрица членства в группах
`[]` (по умолчанию) | матрица

Матрица членства в группе, заданная как матрица.

Типы данных: double

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

Ограничение нижней границы, указанное как вектор.

Типы данных: double

`LowerBudget` - Ограничение бюджета в нижней части
`[]` (по умолчанию) | скаляр

Ограничение бюджета с нижней границей, указанное как скаляр.

Типы данных: double

`LowerGroup` - Ограничение группы с нижней границей
`[]` (по умолчанию) | вектор

Групповое ограничение нижней границы, указанное как вектор.

Типы данных: double

`LowerRatio` - Минимальное соотношение распределений между группами A и B
`[]` (по умолчанию) | вектор

Минимальное соотношение распределений между GroupA и GroupB, указан как вектор.

Типы данных: double

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

Ограничение верхней границы, указанное как вектор.

Типы данных: double

`UpperBudget` - Ограничение бюджета по верхней границе
`[]` (по умолчанию) | скаляр

Ограничение бюджета верхней границы, указанное как скаляр.

Типы данных: double

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

Групповое ограничение верхней границы, указанное как вектор.

Типы данных: double

`UpperRatio` - Максимальное соотношение распределений между группами A и B
`[]` (по умолчанию) | вектор

Максимальное соотношение распределений между GroupA и GroupB, указан как вектор.

Типы данных: double

`BoundType` - Тип границ для каждого веса основного средства
`'Simple'` (по умолчанию) | символьный вектор со значением `'Simple'` или `'Conditional'` | строка со значением `"Simple"` или `"Conditional"` | массив ячеек символьных векторов со значениями `'Simple'` или `'Conditional'` | строковый массив со значениями `"Simple"` или `"Conditional"`

Тип границ для каждого веса актива, определяемый как скалярный символьный вектор или строка, или массив ячеек из символьных векторов или строковый массив. Дополнительные сведения см. в разделе setBounds.

Типы данных: char | cell | string

`MinNumAssets` - Минимальное количество активов, выделенных в портфеле
`[]` (по умолчанию) | числовые

Минимальное количество активов, выделенных в портфеле, указанное как скалярное числовое значение. Дополнительные сведения см. в разделе setMinMaxNumAssets.

Типы данных: double

`MaxNumAssets` - Максимальное количество активов, выделенных в портфеле
`[]` (по умолчанию) | числовые

Максимальное количество активов, выделенных в портфеле, указанное как скалярное числовое значение. Дополнительные сведения см. в разделе setMinMaxNumAssets.

Типы данных: double

`BuyTurnover` - Ограничение оборота при закупках
`[]` (по умолчанию) | скаляр

Ограничение оборота для покупок, указанное как скаляр.

Типы данных: double

`SellTurnover` - Ограничение оборота по продажам
`[]` (по умолчанию) | скаляр

Ограничение оборота для продаж, указанное как скаляр.

Типы данных: double

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

Ограничение оборота, указанное как скаляр.

Типы данных: double

Моделирование объектов портфеля

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

Пропорциональные затраты на закупку, определенные как вектор.

Типы данных: double

`RiskFreeRate` - Безрисковая ставка
`[]` (по умолчанию) | скаляр

Безрисковая ставка, указанная как скаляр.

Типы данных: double

`ProbabilityLevel` - Значение уровня вероятности риска, равное 1 − (вероятность потери)
`[]` (по умолчанию) | скаляр

Значение уровня вероятности риска, равное 1 − (вероятность потери), указанное как скаляр.

Типы данных: double

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

Число сценариев, указанное как целочисленный скаляр.

Типы данных: double

`SellCost` - Пропорциональные затраты на продажу
`[]` (по умолчанию) | вектор

Пропорциональные затраты на продажу, определенные как вектор.

Типы данных: double

Функции объекта

`setAssetList`	Настройка списка идентификаторов для активов
`setInitPort`	Настройка начального или текущего портфеля
`setDefaultConstraints`	Настройка ограничений портфеля с неотрицательными весами, которые составляют 1
`estimateAssetMoments`	Оценка среднего значения и ковариации доходности активов на основе данных
`setCosts`	Настройка пропорциональных затрат по операциям
`addEquality`	Добавление ограничений линейного равенства для весов портфеля к существующим ограничениям
`addGroupRatio`	Добавление ограничений группового соотношения для весов портфеля к существующим ограничениям группового соотношения
`addGroups`	Добавление групповых ограничений для весов портфеля к существующим групповым ограничениям
`addInequality`	Добавление ограничений линейного неравенства для весов портфеля к существующим ограничениям
`getBounds`	Получение ограничений для весов портфеля из объекта портфеля
`getBudget`	Получение ограничений бюджета из объекта портфеля
`getCosts`	Получение затрат на покупку и продажу из объекта портфеля
`getEquality`	Получение массивов ограничений равенства из объекта портфеля
`getGroupRatio`	Получение массивов ограничений группового отношения из объекта портфеля
`getGroups`	Получение массивов групповых ограничений из объекта портфеля
`getInequality`	Получение массивов ограничений неравенства из объекта портфеля
`getOneWayTurnover`	Получение односторонних ограничений оборота из объекта портфеля
`setGroups`	Настройка групповых ограничений для весов портфеля
`setInequality`	Настройка ограничений линейного неравенства для весов портфеля
`setBounds`	Настройка ограничений для весов портфеля для объекта портфеля
`setMinMaxNumAssets`	Установка ограничений на количество активов, вложенных в объект портфеля
`setBudget`	Настройка бюджетных ограничений
`setCosts`	Настройка пропорциональных затрат по операциям
`setDefaultConstraints`	Настройка ограничений портфеля с неотрицательными весами, которые составляют 1
`setEquality`	Настройка ограничений линейного равенства для весов портфеля
`setGroupRatio`	Настройка ограничений группового соотношения для весов портфеля
`setInitPort`	Настройка начального или текущего портфеля
`setOneWayTurnover`	Настройка однопользовательских ограничений оборота портфеля
`setTurnover`	Настройка максимального ограничения оборота портфеля
`checkFeasibility`	Проверка выполнимости входных портфелей по объекту портфеля
`estimateBounds`	Оценить глобальные нижние и верхние границы для набора портфелей
`estimateFrontier`	Оценка указанного количества оптимальных портфелей на эффективной границе
`estimateFrontierByReturn`	Оценка оптимальных портфелей с целевой доходностью портфеля
`estimateFrontierByRisk`	Оценка оптимальных портфелей с целевыми портфельными рисками
`estimateFrontierLimits`	Оценка оптимальных портфелей на конечных точках эффективной границы
`plotFrontier`	График эффективной границы
`estimatePortReturn`	Оценочное среднее значение доходности портфеля
`estimatePortRisk`	Оценка риска портфеля в соответствии с прокси-сервером риска, связанным с соответствующим объектом
`setSolver`	Выберите основной решатель и укажите связанные опции решателя для оптимизации портфеля
`setProbabilityLevel`	Установить уровень вероятности для расчетов VaR и CVaR
`setScenarios`	Установка сценариев возврата основных средств по прямой матрице
`getScenarios`	Получение сценариев из объекта портфеля
`simulateNormalScenariosByData`	Моделирование многомерных сценариев нормального возврата основных средств на основе данных
`simulateNormalScenariosByMoments`	Моделирование многомерных нормальных сценариев возврата основных средств на основе среднего значения и ковариации возврата основных средств
`estimateScenarioMoments`	Оценка среднего значения и ковариации сценариев возврата активов
`estimatePortStd`	Оценка стандартного отклонения доходности портфеля

Примеры

свернуть все

Создание пустого объекта MAD

Открыть сценарий в реальном времени

Можно создать объект MAD, p, без входных аргументов и отобразить его 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 настройки проблемы оптимизации портфеля с помощью PortfolioMAD функция. Затем можно использовать связанные функции набора для установки и изменения коллекций свойств в PortfolioMAD объект.

Создание объекта MAD с помощью одношаговой настройки

Открыть сценарий в реальном времени

Вы можете использовать PortfolioMAD непосредственно для настройки «стандартной» задачи оптимизации портфеля. Заданные сценарии возврата основных средств в переменной AssetScenarios, эта проблема полностью определена 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, что LowerBound значение свойства подвергается скалярному расширению, поскольку AssetScenarios предоставляет размеры проблемы.

Создание измененного объекта MAD с помощью последовательности шагов

Открыть сценарий в реальном времени

Использование последовательности шагов является альтернативным способом выполнения той же задачи по настройке «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);

$Figure contains an axes. The axes with title \bfEfficient Frontier contains an object of type line.$

Этот способ работает, потому что вызовы PortfolioMAD находятся в этом особом порядке. В этом случае вызов для инициализации AssetScenarios предоставляет размеры для задачи. Если бы этот шаг был выполнен последним, необходимо было бы явно измерить LowerBound 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);

$Figure contains an axes. The axes with title \bfEfficient Frontier contains an object of type line.$

Если не указан размер LowerBound но, вместо этого, введите скалярный аргумент, PortfolioMAD объект предполагает, что вы определяете проблему с одним основным средством, и создает ошибку при вызове для установки сценариев основных средств с четырьмя основными средствами.

Создание измененного объекта MAD с помощью ярлыков для имен свойств

Открыть сценарий в реальном времени

Можно создать объект MAD, p с PortfolioMAD с использованием ярлыков для имен свойств.

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 настройка свойств объекта MAD

Открыть сценарий в реальном времени

Хотя это не рекомендуется, можно задать свойства непосредственно, однако проверка ошибок на входе не выполняется.

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 MAD. Сценарии всегда должны быть установлены с помощью PortfolioMAD функция, setScenarios функцию или любую из функций моделирования сценария.

Создать `PortfolioMAD` Объект и определение эффективных портфелей

Открыть сценарий в реальном времени

Создание эффективных портфелей:

load CAPMuniverse

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

plotFrontier(p);

$Figure contains an axes. The axes with title \bfEfficient Frontier contains an object of type line.$

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

Подробнее

развернуть все

Оптимизация портфеля средних абсолютных отклонений

Задача оптимизации MAD полностью определяется тремя элементами.

Тремя элементами задачи оптимизации A MAD являются:

Совокупность активов со сценариями суммарной доходности активов за интересующий период, где сценарии содержат набор выборок из базового распределения вероятностей для суммарной доходности активов. Эта коллекция должна быть достаточно большой для асимптотической сходимости статистики выборки. Моменты возврата основных средств и соответствующая статистика определяются исключительно на основе сценариев.
Набор портфолио, который определяет набор вариантов портфолио с точки зрения набора ограничений.
Модель для доходности портфеля и доверенных лиц по риску, которая для оптимизации MAD представляет собой либо среднее валовое, либо чистое значение доходности портфеля, а также среднее абсолютное отклонение доходности портфеля.

После однозначного определения этих трех элементов можно решить и проанализировать задачи оптимизации портфеля MAD.

Простейшая задача оптимизации портфеля MAD состоит в следующем:

Сценарии суммарной доходности основных средств
Требование о том, что все портфели имеют неотрицательные веса, которые равны 1 (ограничение суммирования называется ограничением бюджета)
Встроенные модели возврата портфеля и прокси-серверов рисков, использующие сценарии совокупного возврата активов

Заданные сценарии возврата основных средств в переменной AssetScenarios, эта проблема полностью определяется:

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

или эквивалентно:

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

Чтобы подтвердить, что это действительная задача оптимизации портфеля, следующая функция определяет, ограничен ли набор вариантов MAD (необходимое условие для оптимизации портфеля).

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

Учитывая проблему, указанную в PortfolioMAD объект p, эффективная граница для этой проблемы может быть отображена с помощью:

plotFrontier(p);

и эффективные портфели можно получить с помощью:

pwgt = estimateFrontier(p);

Более подробную информацию о теоретической основе для оптимизации среднего абсолютного отклонения см. в разделе Теория оптимизации портфеля.

Достаточность проблем MAD

Проблема оптимизации портфеля MAD полностью определена с помощью PortfolioMAD объект, если выполнены три условия.

Ниже перечислены три условия, которые должны быть выполнены:

Необходимо указать набор возвратов основных средств или цен, известных как сценарии, так что все сценарии являются конечными доходами основных средств или ценами. Эти сценарии предназначены для выборки из базового распределения вероятности возврата активов. Это условие может быть удовлетворено setScenarios или с несколькими консервационными функциями моделирования сценариев.
Набор возможных портфелей должен быть непустым компактным набором, где компактный набор закрыт и ограничен. Это условие можно выполнить с помощью обширной коллекции свойств, которые определяют различные типы ограничений для формирования набора возможных портфелей. Поскольку такие наборы должны быть ограничены, могут быть наложены явные или неявные ограничения и несколько инструментов, таких как estimateBounds функция, предоставить способы, чтобы убедиться, что ваша проблема правильно сформулирована.
Хотя общие достаточные условия для оптимизации портфеля MAD выходят за рамки этих условий, PortfolioMAD объект обрабатывает все эти дополнительные условия.

Ярлыки для имен свойств

PortfolioMAD имеет более короткие имена аргументов, которые заменяют более длинные имена аргументов, связанные с определенными свойствами PortfolioMAD объект.

Например, вместо ввода 'AInequality', PortfolioMAD принимает имя без учета регистра 'ai' для установки AInequality свойство в PortfolioMAD объект. Каждое более короткое имя аргумента соответствует одному свойству в PortfolioMAD функция. Единственным исключением является альтернативное имя аргумента 'budget', что означает оба LowerBudget и UpperBudget свойства. Когда 'budget' используется, то LowerBudget и UpperBudget Для формирования бюджетного ограничения равенства свойствам присваивается одинаковое значение.

Ярлыки для имен свойств

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] Полный список ссылок для объекта PortingMAD см. в разделе Оптимизация портфеля.

См. также

Темы

Представлен в R2013b

Документация

PortfolioMAD

Описание

Создание

Синтаксис

Описание

Входные аргументы

p - Ранее построенный объект MAD объект

Свойства

Настройка объекта

AssetList - Названия или символы активов во вселенной [] (по умолчанию) | массив ячеек символьных векторов | строковый массив

InitPort - Первоначальный портфель [] (по умолчанию) | вектор

Name - Имя экземпляра объекта MAD [] (по умолчанию) | символьный вектор | строка

NumAssets - Количество активов во Вселенной [] (по умолчанию) | целочисленный скаляр

Ограничения объекта портфеля

AEquality - Матрица ограничений линейного равенства [] (по умолчанию) | матрица

AInequality - Матрица ограничений линейного неравенства [] (по умолчанию) | матрица

bEquality - вектор ограничения линейного равенства; [] (по умолчанию) | вектор

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

GroupA - Весовые коэффициенты группы A должны быть ограничены весовыми коэффициентами в группе B [] (по умолчанию) | матрица

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

GroupMatrix - Матрица членства в группах [] (по умолчанию) | матрица

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

LowerBudget - Ограничение бюджета в нижней части [] (по умолчанию) | скаляр

LowerGroup - Ограничение группы с нижней границей [] (по умолчанию) | вектор

LowerRatio - Минимальное соотношение распределений между группами A и B [] (по умолчанию) | вектор

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

UpperBudget - Ограничение бюджета по верхней границе [] (по умолчанию) | скаляр

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

UpperRatio - Максимальное соотношение распределений между группами A и B [] (по умолчанию) | вектор

MinNumAssets - Минимальное количество активов, выделенных в портфеле [] (по умолчанию) | числовые

MaxNumAssets - Максимальное количество активов, выделенных в портфеле [] (по умолчанию) | числовые

BuyTurnover - Ограничение оборота при закупках [] (по умолчанию) | скаляр

SellTurnover - Ограничение оборота по продажам [] (по умолчанию) | скаляр

Turnover - Ограничение оборота [] (по умолчанию) | скаляр

Моделирование объектов портфеля

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

RiskFreeRate - Безрисковая ставка [] (по умолчанию) | скаляр

ProbabilityLevel - Значение уровня вероятности риска, равное 1 − (вероятность потери) [] (по умолчанию) | скаляр

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

SellCost - Пропорциональные затраты на продажу [] (по умолчанию) | вектор

Функции объекта

Примеры

Создание пустого объекта MAD

Создание объекта MAD с помощью одношаговой настройки

Создание измененного объекта MAD с помощью последовательности шагов

Создание измененного объекта MAD с помощью ярлыков для имен свойств

Прямая настройка свойств объекта MAD

Создать PortfolioMAD Объект и определение эффективных портфелей

Подробнее

Оптимизация портфеля средних абсолютных отклонений

Достаточность проблем MAD

Ярлыки для имен свойств

Ссылки

См. также

Темы

Документация по комплекту финансовых инструментов

Поддержка

`p` - Ранее построенный объект MAD
объект

`AssetList` - Названия или символы активов во вселенной
`[]` (по умолчанию) | массив ячеек символьных векторов | строковый массив

`InitPort` - Первоначальный портфель
`[]` (по умолчанию) | вектор

`Name` - Имя экземпляра объекта MAD
`[]` (по умолчанию) | символьный вектор | строка

`NumAssets` - Количество активов во Вселенной
`[]` (по умолчанию) | целочисленный скаляр

`AEquality` - Матрица ограничений линейного равенства
`[]` (по умолчанию) | матрица

`AInequality` - Матрица ограничений линейного неравенства
`[]` (по умолчанию) | матрица

`bEquality` - вектор ограничения линейного равенства;
`[]` (по умолчанию) | вектор

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

`GroupA` - Весовые коэффициенты группы A должны быть ограничены весовыми коэффициентами в группе B
`[]` (по умолчанию) | матрица

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

`GroupMatrix` - Матрица членства в группах
`[]` (по умолчанию) | матрица

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

`LowerBudget` - Ограничение бюджета в нижней части
`[]` (по умолчанию) | скаляр

`LowerGroup` - Ограничение группы с нижней границей
`[]` (по умолчанию) | вектор

`LowerRatio` - Минимальное соотношение распределений между группами A и B
`[]` (по умолчанию) | вектор

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

`UpperBudget` - Ограничение бюджета по верхней границе
`[]` (по умолчанию) | скаляр

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

`UpperRatio` - Максимальное соотношение распределений между группами A и B
`[]` (по умолчанию) | вектор

`MinNumAssets` - Минимальное количество активов, выделенных в портфеле
`[]` (по умолчанию) | числовые

`MaxNumAssets` - Максимальное количество активов, выделенных в портфеле
`[]` (по умолчанию) | числовые

`BuyTurnover` - Ограничение оборота при закупках
`[]` (по умолчанию) | скаляр

`SellTurnover` - Ограничение оборота по продажам
`[]` (по умолчанию) | скаляр

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

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

`RiskFreeRate` - Безрисковая ставка
`[]` (по умолчанию) | скаляр

`ProbabilityLevel` - Значение уровня вероятности риска, равное 1 − (вероятность потери)
`[]` (по умолчанию) | скаляр

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

`SellCost` - Пропорциональные затраты на продажу
`[]` (по умолчанию) | вектор

Создать `PortfolioMAD` Объект и определение эффективных портфелей