После получения эффективных портфелей или оценок ожидаемых портфельных рисков и возвратов, используйте свои результаты, чтобы настроить сделки для перехода к эффективному портфелю. Для получения информации о рабочем процессе при использовании PortfolioMAD
объекты, см. раздел Рабочий процесс объекта PortfolioMAD.
Предположим, что вы настроили задачу оптимизации портфеля и получили портфели на эффективной границе. Используйте dataset
объект из Statistics and Machine Learning Toolbox™, чтобы сформировать блоттер, в котором перечисляются ваши портфели с именами для каждого актива. Например, предположим, что вы хотите получить пять портфелей вдоль эффективной границы. Можно настроить блоттер с весами, умноженными на 100, чтобы просмотреть распределения 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 ]; pwgt0 = [ 0.3; 0.3; 0.2; 0.1 ]; p = PortfolioMAD; p = setAssetList(p, 'Bonds','Large-Cap Equities','Small-Cap Equities','Emerging Equities'); p = setInitPort(p, pwgt0); p = simulateNormalScenariosByMoments(p, m, C, 20000); p = setDefaultConstraints(p); pwgt = estimateFrontier(p, 5); pnames = cell(1,5); for i = 1:5 pnames{i} = sprintf('Port%d',i); end Blotter = dataset([{100*pwgt},pnames],'obsnames',p.AssetList); display(Blotter)
Blotter = Port1 Port2 Port3 Port4 Port5 Bonds 88.154 50.867 13.611 0 1.0609e-12 Large-Cap Equities 4.0454 22.571 41.276 23.38 7.9362e-13 Small-Cap Equities 4.2804 9.3108 14.028 17.878 6.4823e-14 Emerging Equities 3.5202 17.252 31.084 58.743 100
Примечание
Ваши результаты могут отличаться от этого результата из-за симуляции сценариев.
Этот результат указывает, что вы инвестируете в основном в облигации на конце минимального риска/минимального возврата эффективной границы (Port1
), и что вы полностью инвестируете в формирующийся капитал на максимальном конце риска/максимальной доходности эффективной границы (Port5
). Можно также выбрать конкретный эффективный портфель, например предположим, что вы хотите портфель с риском 15%, и вы добавляете веса покупки и продажи выходы, полученные из функций «estimateFrontier», чтобы настроить торговый блоттер:
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 ]; pwgt0 = [ 0.3; 0.3; 0.2; 0.1 ]; p = PortfolioMAD; p = setAssetList(p, 'Bonds','Large-Cap Equities','Small-Cap Equities','Emerging Equities'); p = setInitPort(p, pwgt0); p = simulateNormalScenariosByMoments(p, m, C, 20000); p = p.setDefaultConstraints; [pwgt, pbuy, psell] = estimateFrontierByRisk(p, 0.15); Blotter = dataset([{100*[pwgt0, pwgt, pbuy, psell]}, ... {'Initial','Weight', 'Purchases','Sales'}],'obsnames',p.AssetList); display(Blotter)
Blotter = Initial Weight Purchases Sales Bonds 30 6.0364e-18 0 30 Large-Cap Equities 30 50.179 20.179 0 Small-Cap Equities 20 13.43 0 6.5696 Emerging Equities 10 36.391 26.391 0
dataset
объект для получения акций и акций, подлежащих продаже. checkFeasibility
| estimateScenarioMoments
| PortfolioMAD