R语言动量和马科维茨Markowitz投资组合(Portfolio)模型实现

原文链接：http://tecdat.cn/?p=17931

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

来控制 均值方差最优化的解。

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(pricobj = 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))) / 22ia},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, sicreate.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。

---