【R】【课程笔记】08 金融投资组合决策分析

最新推荐文章于 2024-04-27 09:31:56 发布

空明远

最新推荐文章于 2024-04-27 09:31:56 发布

阅读量2.2k

点赞数 13

分类专栏：数据分析 # R

本文链接：https://blog.csdn.net/weixin_46285914/article/details/106619549

版权

这篇博客是《数据科学与金融计算》课程的笔记，重点探讨了金融投资组合决策的均值-方差模型和均值-CVaR模型。内容包括模型的理论解释、应用及代码实践，同时也提到了均值-CDaR和高阶矩模型。

摘要由CSDN通过智能技术生成

本文是课程《数据科学与金融计算》第8章的学习笔记，主要介绍均值-方差模型、均值-VaR模型、均值-CVaR模型，用于知识点总结和代码练习，Q&A为问题及解决方案。

往期回顾：

博文	内容
【R】【课程笔记】01 R软件基础知识	数据类型、数据结构、运算、绘图等
【R】【课程笔记】02+03 基于R软件的计算	聚类分析、因子分析、神经网络、支持向量机等
【R】【课程笔记】04+05 数据预处理+收益率计算	金融数据处理、收益率、R与C++等
【R】【课程笔记】06 金融波动模型	GARCH、SV、高频波动模型等
【R】【课程笔记】07 分位数回归与VaR（ES）计算	VaR、ES、极值模型等
【R】【课程笔记】08 金融投资组合决策分析	均值-方差模型、均值-VaR模型、均值-CVaR模型等

8.1 均值-方差分析

在这里插入图片描述
证明题：求w（见笔记，图片有误）

options(digits=4, width=70)

library(fPortfolio)
library(timeSeries)

# 1. 投资线
# (1) 设置参数
mu.1 <- 0.10
mu.2 <- 0.05
sig.1 <- 0.08
sig.2 <- 0.04

rhos <- seq(-1, 1, by = 0.5)
weights <- seq(0, 1, length = 100)

# (2) 建立投资组合
twoAssetsPortfolio <- function(mu, sigma, weight, rho) {
   
  # (1) 计算组合的期望收益和方差
  mu.p <- weight * mu[1] + (1 - weight) * mu[2]
  sig2.p <- weight ^ 2 * sigma[1] ^ 2 + 2 * weight * (1 - weight) * rho * sigma[1] *
    sigma[2] + (1 - weight) ^ 2 * sigma[2] ^ 2
  sig.p <- sqrt(sig2.p)
  
  # (2) 输出
  ans <- cbind(weight, mu.p, sig.p)
  colnames(ans) <- c('weights', 'return', 'Std.')
  return(ans)
}

# (3) 画图
portfolio.results_1 <- matrix(NA, nrow = length(weights), ncol = 3)
colnames(portfolio.results_1) <- c('weights', 'return', 'Std.')
portfolio.results_5 <-portfolio.results_4 <-portfolio.results_3 <-portfolio.results_2 <- portfolio.results_1
for (i in seq_along(weights)){
   
  weight <- weights[i]
  portfolio.results_1[i,] <- twoAssetsPortfolio(mu=c(mu.1, mu.2), sigma=c(sig.1, sig.2), weight=weight, rho=1)
  portfolio.results_2[i,] <- twoAssetsPortfolio(mu=c(mu.1, mu.2), sigma=c(sig.1, sig.2), weight=weight, rho=0.5)
  portfolio.results_3[i,] <- twoAssetsPortfolio(mu=c(mu.1, mu.2), sigma=c(sig.1, sig.2), weight=weight, rho=0)
  portfolio.results_4[i,] <- twoAssetsPortfolio(mu=c(mu.1, mu.2), sigma=c(sig.1, sig.2), weight=weight, rho=-0.5)
  portfolio.results_5[i,] <- twoAssetsPortfolio(mu=c(mu.1, mu.2), sigma=c(sig.1, sig.2), weight=weight, rho=-1)
}

par(mfrow=c(1,1))
plot(portfolio.results_1[,'Std.'], portfolio.results_1[,'return'], xlim=c(0, max(sig.1, sig.2)),
     ylim=c(0.04, max(mu.1, mu.2)), type='l', xlab=expression(sigma[p]), ylab=expression(mu[p]))
lines(portfolio.results_2[,'Std.'], portfolio.results_2[,'return'], lty=2)
lines(portfolio.results_3[,'Std.'], portfolio.results_3[,'return'], lty=3)
lines(portfolio.results_4[,