Создайте объект Portfolio для оптимизации портфеля среднего отклонения и анализа
Используйте Portfolio функция, чтобы создать Portfolio объект для оптимизации портфеля среднего отклонения.
Основной рабочий процесс для оптимизации портфеля должен создать экземпляр Portfolio возразите, что полностью задает задачу оптимизации портфеля и работать с Portfolio объект с помощью поддерживаемых функций, чтобы получить и анализировать эффективные портфели. Для получения дополнительной информации на этом рабочем процессе, смотрите Рабочий процесс Объекта Портфеля.
Можно использовать Portfolio объект несколькими способами. Настраивать задачу оптимизации портфеля в Portfolio объект, самый простой синтаксис:
p = Portfolio;
Portfolio объект, p, таким образом, что все свойства объектов пусты.
Portfolio объект также принимает наборы аргументов пары "имя-значение" для свойств и их значений. Portfolio объект принимает входные параметры для свойств с общим синтаксисом:
p = Portfolio('property1',value1,'property2',value2, ... );Если Portfolio объект существует, синтаксис разрешает первое (и только первый аргумент) Portfolio объект быть существующим объектом с последующими аргументами пары "имя-значение" для свойств, которые будут добавлены или изменены. Например, учитывая существующий Portfolio объект в p, общий синтаксис:
p = Portfolio(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). Portfolio 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, Portfolio объект является объектом значения так, чтобы, учитывая портфель p, следующий код создает два объекта, p и q, это отлично:
q = Portfolio(p, ...)
После создания Portfolio объект, можно использовать связанные объектные функции, чтобы установить ограничения портфеля, анализировать границу эффективности и подтвердить модель портфеля.
Для более подробной информации на теоретическом базисе для оптимизации среднего отклонения см. Теорию Оптимизации Портфеля.
p = PortfolioPortfolio объект для оптимизации портфеля среднего отклонения и анализа. Можно затем добавить элементы в Portfolio объект с помощью поддерживаемого "добавляет" и "установил" функции. Для получения дополнительной информации смотрите Создание Объекта Портфеля.
setAssetList | Настройте список идентификаторов для активов |
setInitPort | Настройте начальный или текущий портфель |
setDefaultConstraints | Настройте ограничения портфеля с неотрицательными весами та сумма к 1 |
getAssetMoments | Получите среднее значение, и ковариация актива возвращается из объекта Portfolio |
setAssetMoments | Установите моменты (среднее значение, и ковариация) актива возвращается для объекта Portfolio |
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 |
setBudget | Настройте ограничения бюджета |
setCosts | Настройте пропорциональные операционные издержки |
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 |
setTrackingPort | Настройте эталонный портфель для отслеживания ошибочного ограничения |
setTrackingError | Настройте максимальный портфель, отслеживающий ошибочное ограничение |
setMinMaxNumAssets | Установите ограничения кардинальности на количество активов, которые инвестируют в объект 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 |
estimateMaxSharpeRatio | Оцените, что эффективный портфель максимизирует отношение Шарпа для объекта Portfolio |
estimatePortMoments | Оцените, что моменты портфеля возвращаются для объекта Portfolio |
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 |
setSolverMINLP | Выберите смешанное целочисленное нелинейное программирование (MINLP) решатель для оптимизации портфеля |
Можно создать объект Portfolio, p, без входных параметров и отображения это с помощью disp.
p = Portfolio; disp(p);
Portfolio with properties:
BuyCost: []
SellCost: []
RiskFreeRate: []
AssetMean: []
AssetCovar: []
TrackingError: []
TrackingPort: []
Turnover: []
BuyTurnover: []
SellTurnover: []
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 Portfolio функция. Можно затем использовать связанные функции множества, чтобы установить и изменить наборы свойств в Portfolio объект.
Можно использовать Portfolio возразите непосредственно, чтобы настроить “стандартную” задачу оптимизации портфеля, учитывая среднее значение, и ковариация актива возвращается в переменных m и C.
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 ];
p = Portfolio('assetmean', m, 'assetcovar', C, ...
'lowerbudget', 1, 'upperbudget', 1, 'lowerbound', 0)p =
Portfolio with properties:
BuyCost: []
SellCost: []
RiskFreeRate: []
AssetMean: [4x1 double]
AssetCovar: [4x4 double]
TrackingError: []
TrackingPort: []
Turnover: []
BuyTurnover: []
SellTurnover: []
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 AssetMean и AssetCovar обеспечьте размерности проблемы.
Используя последовательность шагов альтернативный способ выполнить ту же задачу подготовки “стандартной” задачи оптимизации портфеля, учитывая среднее значение, и ковариация актива возвращается в переменных m и C (который также иллюстрирует, что имена аргумента не являются чувствительными к регистру).
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 ];
p = Portfolio;
p = Portfolio(p, 'assetmean', m, 'assetcovar', C);
p = Portfolio(p, 'lowerbudget', 1, 'upperbudget', 1);
p = Portfolio(p, 'lowerbound', 0);
plotFrontier(p);
Этот путь работает потому что вызовы Portfolio находятся в этом конкретном порядке. В этом случае, вызов, чтобы инициализировать AssetMean и AssetCovar 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 ];
p = Portfolio;
p = Portfolio(p, 'LowerBound', zeros(size(m)));
p = Portfolio(p, 'LowerBudget', 1, 'UpperBudget', 1);
p = Portfolio(p, 'AssetMean', m, 'AssetCovar', C);
plotFrontier(p);
Если вы не задавали размер LowerBound но, вместо этого, введите скалярный аргумент, Portfolio объект принимает, что вы описываете задачу одно актива, и производит ошибку в вызове, чтобы установить моменты актива с четырьмя активами.
Можно создать объект Portfolio, p с Portfolio использование ярлыков для имен 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 ];
p = Portfolio('mean', m, 'covar', C, 'budget', 1, 'lb', 0)p =
Portfolio with properties:
BuyCost: []
SellCost: []
RiskFreeRate: []
AssetMean: [4x1 double]
AssetCovar: [4x4 double]
TrackingError: []
TrackingPort: []
Turnover: []
BuyTurnover: []
SellTurnover: []
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 ];
p = Portfolio;
p.NumAssets = numel(m);
p.AssetMean = m;
p.AssetCovar = C;
p.LowerBudget = 1;
p.UpperBudget = 1;
p.LowerBound = zeros(size(m));
disp(p) Portfolio with properties:
BuyCost: []
SellCost: []
RiskFreeRate: []
AssetMean: [4x1 double]
AssetCovar: [4x4 double]
TrackingError: []
TrackingPort: []
Turnover: []
BuyTurnover: []
SellTurnover: []
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: []
Portfolio Возразите и определите эффективные портфелиСоздайте эффективные портфели:
load CAPMuniverse p = Portfolio('AssetList',Assets(1:12)); p = estimateAssetMoments(p, Data(:,1:12),'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 0.017926 0.058247 0.097816 0.12955 0
AMZN 0 0 0 0 0
CSCO 0 0 0 0 0
DELL 0.0041906 0 0 0 0
EBAY 0 0 0 0 0
GOOG 0.16144 0.35678 0.55228 0.75116 1
HPQ 0.052566 0.032302 0.011186 0 0
IBM 0.46422 0.36045 0.25577 0.11928 0
INTC 0 0 0 0 0
MSFT 0.29966 0.19222 0.082949 0 0
ORCL 0 0 0 0 0
YHOO 0 0 0 0 0
[1] Для полного списка ссылок для объекта Portfolio смотрите Оптимизацию Портфеля.
plotFrontier | estimateFrontier | PortfolioCVaR | PortfolioMAD | nearcorr