Симулируйте многомерные сценарии нормального возврата активов из данных
Использование fints объект для AssetReturns аргумент simulateNormalScenariosByData не рекомендуется. Использовать timetable вместо этого для финансовых временных рядов. Для получения дополнительной информации смотрите Преобразование финтов финансовых временных рядов в Timetables.
obj = simulateNormalScenariosByData(obj,AssetReturns)PortfolioCVaR или PortfolioMAD объекты. Дополнительные сведения о рабочих процессах см. в разделах Рабочий процесс объекта PortfolioCVaR и Рабочий процесс объекта PortfolioMAD.
obj = simulateNormalScenariosByData(obj,AssetReturns,NumScenarios,Name,Value)PortfolioCVaR или PortfolioMAD объекты с использованием дополнительных опций, заданных одним или несколькими Name,Value аргументы в виде пар.
Эта функция оценивает среднее значение и ковариацию возвратов активов из данных цены или возврата, а затем использует эти оценки, чтобы сгенерировать указанное количество сценариев с функцией mvnrnd.
Данные могут быть в NumSamples-by- NumAssets матрица NumSamples цены или возвраты в установленной периодичности для набора NumAssets активы, а table или a timetable.
Примечание
Если вы хотите использовать метод несколько раз и хотите симулировать идентичные сценарии каждый раз, когда функция вызывается, предшествуйте каждому вызову функции с rng(seed) использование заданного целого seed.
Задан объект PortfolioCVaR p, используйте simulateNormalScenariosByData функция для моделирования многомерных сценариев нормального возврата активов из данных.
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;
RawData = mvnrnd(m, C, 240);
NumScenarios = 2000;
p = PortfolioCVaR;
p = simulateNormalScenariosByData(p, RawData, NumScenarios)p =
PortfolioCVaR with properties:
BuyCost: []
SellCost: []
RiskFreeRate: []
ProbabilityLevel: []
Turnover: []
BuyTurnover: []
SellTurnover: []
NumScenarios: 2000
Name: []
NumAssets: 4
AssetList: []
InitPort: []
AInequality: []
bInequality: []
AEquality: []
bEquality: []
LowerBound: []
UpperBound: []
LowerBudget: []
UpperBudget: []
GroupMatrix: []
LowerGroup: []
UpperGroup: []
GroupA: []
GroupB: []
LowerRatio: []
UpperRatio: []
MinNumAssets: []
MaxNumAssets: []
BoundType: []
p = setDefaultConstraints(p); p = setProbabilityLevel(p, 0.9); disp(p);
PortfolioCVaR with properties:
BuyCost: []
SellCost: []
RiskFreeRate: []
ProbabilityLevel: 0.9000
Turnover: []
BuyTurnover: []
SellTurnover: []
NumScenarios: 2000
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: [4x1 categorical]
Создайте объект PortfolioCVaR p и используйте simulateNormalScenariosByData функция с рыночными данными, загруженными из CAPMuniverse.mat для моделирования многомерных сценариев нормального возврата активов. Рыночные данные, AssetsTimeTable, является timetable возвратов активов.
load CAPMuniverse p = PortfolioCVaR('AssetList',Assets); disp(p);
PortfolioCVaR with properties:
BuyCost: []
SellCost: []
RiskFreeRate: []
ProbabilityLevel: []
Turnover: []
BuyTurnover: []
SellTurnover: []
NumScenarios: []
Name: []
NumAssets: 14
AssetList: {1x14 cell}
InitPort: []
AInequality: []
bInequality: []
AEquality: []
bEquality: []
LowerBound: []
UpperBound: []
LowerBudget: []
UpperBudget: []
GroupMatrix: []
LowerGroup: []
UpperGroup: []
GroupA: []
GroupB: []
LowerRatio: []
UpperRatio: []
MinNumAssets: []
MaxNumAssets: []
BoundType: []
Моделируйте сценарии из данных расписания для каждого из основных средств из CAPMuniverse.mat и постройте эффективную границу.
p = simulateNormalScenariosByData(p,AssetsTimeTable,10000,'missingdata',true);
p = setDefaultConstraints(p);
p = setProbabilityLevel(p, 0.9);
plotFrontier(p);
Задан объект PortfolioMAD p, используйте simulateNormalScenariosByData функция для моделирования многомерных сценариев нормального возврата активов из данных.
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;
RawData = mvnrnd(m, C, 240);
NumScenarios = 2000;
p = PortfolioMAD;
p = simulateNormalScenariosByData(p, RawData, NumScenarios);
p = setDefaultConstraints(p);
disp(p); PortfolioMAD with properties:
BuyCost: []
SellCost: []
RiskFreeRate: []
Turnover: []
BuyTurnover: []
SellTurnover: []
NumScenarios: 2000
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: [4x1 categorical]
Создайте объект PortfolioMAD p и используйте simulateNormalScenariosByData функция с рыночными данными, загруженными из CAPMuniverse.mat для моделирования многомерных сценариев нормального возврата активов. Рыночные данные, AssetsTimeTable, является timetable возвратов активов.
load CAPMuniverse p = PortfolioMAD('AssetList',Assets); disp(p.AssetList');
{'AAPL' }
{'AMZN' }
{'CSCO' }
{'DELL' }
{'EBAY' }
{'GOOG' }
{'HPQ' }
{'IBM' }
{'INTC' }
{'MSFT' }
{'ORCL' }
{'YHOO' }
{'MARKET'}
{'CASH' }
Моделируйте сценарии из данных расписания для каждого из основных средств из CAPMuniverse.mat и постройте эффективную границу.
p = simulateNormalScenariosByData(p,AssetsTimeTable,10000,'missingdata',true);
p = setDefaultConstraints(p);
plotFrontier(p);
Можно также использовать запись через точку для моделирования многомерных сценариев нормального возврата активов из данных для объекта PortfolioCVaR или PortfolioMAD.
obj = obj.simulateNormalScenariosByData(AssetReturns,NumScenarios,Name,Value);