利用python构建马科维茨_R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现...

动量和马科维茨投资组合模型使 均值方差优化 组合成为可行的解决方案。通过建议并测试：

增加最大权重限制

增加目标波动率约束

下面，我将查看8个资产的结果：

首先，让我们加载所有历史数据

#*****************************************************************

# 加载历史数据

#*****************************************************************

load.packages('quantmod')

# 加载保存的原始数据

#

load('raw.Rdata')

getSymbols.extra(N8.tickers, src = 'yahoo', from = '1970-01-01', env = data, raw.data =

for(i in data$symbolnames) data[[i]] = adjustOHLC(data[[i]]

接下来，让我们测试函数

#*****************************************************************

# 运行测试，每月数据

#*****************************************************************

plot(scale.one(data$prices))

prices = data$prices

plotransition(res[[1]]['2013::'])

接下来，让我们创建一个基准并设置用于所有测试。

#*****************************************************************

# 建立基准

#*****************************************************************

models = list()

commission = list(cps = 0.01, fixed = 10.0, percentage = 0.0)

data$weight[] = NA

model = brun(data, clean.signal=T,

接下来，让我们获取权重，并使用它们来进行回测

#*****************************************************************

# 转换为模型结果

#*****************************************************************

CLA = list(weight = res[[1]], ret = res[[2]], equity = cumprod(1 + res[[2]]), type = "weight")

obj = list(weights = list(CLA = res[[1]]), period.ends

我们可以复制相同的结果

#*****************************************************************

#进行复制

#*****************************************************************

weight.limit = data.frame(last(pric

obj = portfoli(data$prices,

periodicity = 'months', lookback.len = 12, silent=T,

const.ub = weight.limit,urns,1) + colSums(last(hist.returns,3)) +

colSums(last(hist.returns,6)) + colSums(last(hist.returns,12))) / 22

ia

},

min.risk.fns = list(

)

另一个想法是使用Pierre Chretien的平均输入假设

#*****************************************************************

# 让我们使用Pierre的平均输入假设

#*****************************************************************

obj = portfolio(data$prices,

periodicity = 'months', lookback.len = 12, si

create.ia.fn = create.(c(1,3,6,12), 0),

min.risk.fns = list(

TRISK.AVG = target.risk.portfolio(target.r

)

最后，我们准备看一下结果

#*****************************************************************

#进行回测

#*****************************************************************

plotb(models, plotX = T, log = 'y', Left

layout(1)

barplot(sapply(models, turnover, data)

使用平均输入假设会产生更好的结果。

我想应该注意的主要观点是：避免盲目使用优化。相反，您应该使解决方案更具有稳健性。

最受欢迎的见解