提取相關投資組合的權重

Question

我正在對一系列股票進行投資組合優化，並試圖提取重新平衡的投資組合的權重。

我遇到的問題：我沒有得到重新平衡的投資組合的權重，而是得到 3 個日期。 該項目的代碼在下面。

library(ROI)
install.packages("DEoptim")
library(ggplot2)
install.packages("quantmod")
library(quantmod)
library(quantmod)
install.packages("PerfomanceAnalytics")
library(PerformanceAnalytics)
library(PortfolioAnalytics)
library(random)
install.packages("random")
library(random)
library(DEoptim)
install.packages("fPortfolio")
library(fPortfolio)
install.packages("foreach")
install.packages("doParallel")
library(PortfolioAnalytics)


#vector of stocks in my portfolio  of 
tickers <- c("FB", "AAPL", "AMZN", "GM", "GOOGL", "SQ", "NVDA","RYAM", "AMAT", "IMMR","SOI","PETS")
#bind porfolio prices 
portfolioPrices <- NULL
for(ticker in tickers) {
  portfolioPrices <- cbind(portfolioPrices,
                           getSymbols.yahoo(ticker, from='2003-01-03', periodicity = 'daily', auto.assign=FALSE)[,4])
}
#portfolio returns
portfolioReturns <- na.omit(ROC(portfolioPrices))
print(portfolioReturns)
portf <- portfolio.spec(colnames(portfolioReturns))
portf <- add.constraint(portf, type="weight_sum", min_sum=.99, max_sum=1,01)
portf <- add.constraint(portf, type="box", min=.02, max=.60) 
portf<-add.constraint(portf,type="transation_cost", ptc=.001)
portf <- add.objective(portf, type="return", name="mean")
portf <- add.objective(portf, type="risk", name="StdDev",target=.005)

rp<-random_portfolios(portf, 10000, "sample")
#optimize portfolio using the "DEoptim solver"
optPort <- optimize.portfolio(portfolioReturns, portf, optimize_method = "DEoptim", trace=TRUE)

#chart weights of optimized portfolio

chart.Weights(optPort)
summary(optPort)


chart.RiskReward(optPort, risk.col = "StDev", return.col = "mean", chart.assets = TRUE)


rp<-random_portfolios(portf, 10000, "sample")
#rebalance portfolo
opt_rebal <- optimize.portfolio.rebalancing(portfolioReturns,
                                            portf,
                                            optimize_method="ROI",
                                            rp=rp,
                                            rebalance_on="years",
                                            training_period=60,

                                            rolling_window=60)




extractWeights(optPort)
chart.Weights(optPort)
#extract weights of rebalanced portfolio
extractWeights(opt_rebal))

我怎樣才能解決這個問題？

對你的幫助表示感謝。

謝謝你。

Answer 1

首先，你的代碼很亂！

因此，在給你解決方案的同時，我也清理了它。

以下是涵蓋您問題所有方面的要點：

1. 支持插件

由於您不僅使用DEoptim求解器，還使用ROI ，因此您需要下載推薦的ROI支持插件：

 install.packages(c("fGarch", 
                        "Rglpk", 
                        "ROI.plugin.glpk", 
                        "ROI.plugin.quadprog", 
                        "ROI.plugin.symphony",
                        "pso",
                        "GenSA",
                        "corpcor",
                        "testthat",
                        "nloptr", 
                        "MASS", 
                        "robustbase")
                      )

2. 圖書館的使用

您應該以正確的順序加載庫一次，因為某些庫可以相互屏蔽某些功能。 這是推薦的順序：

    library(ROI)
    library(ggplot2)
    library(quantmod)
    library(PerformanceAnalytics)
    library(random)
    library(DEoptim)
    library(fPortfolio)
    library(PortfolioAnalytics)
    library(dplyr) 

3. pipe算子的使用

請注意，還加載了一個額外的dplyr庫，這是管道（ %>% ）所需的，即使您的代碼更高效和可讀：

#vector of stocks in my portfolio  of 
tickers <- c("FB", "AAPL", "AMZN", "GM", "GOOGL", "SQ", "NVDA","RYAM", "AMAT", "IMMR","SOI","PETS")

#bind porfolio prices 
portfolioPrices <- NULL
for(ticker in tickers) {
  portfolioPrices <- cbind(portfolioPrices,
                           getSymbols.yahoo(ticker, from='2003-01-03', periodicity = 'daily', auto.assign=FALSE)[,4])
}
#portfolio returns
portfolioReturns <- na.omit(ROC(portfolioPrices))
print(portfolioReturns)

portf <- portfolio.spec(colnames(portfolioReturns)) %>% 
  add.constraint(type="weight_sum", min_sum=1, max_sum=1) %>% 
  add.constraint(type="box", min=.02, max=.60) %>% 
  add.constraint(type="transation_cost", ptc=.001) %>% 
  add.objective(type="return", name="mean") %>%
  add.objective(type="risk", name="StdDev",target=.005)

4. 消除冗余

不知道為什么你不能使用之前輸入到optPort的隨機投資組合rp作為opt_rebal的輸入。

rp<-random_portfolios(portf, 10000, "sample")

#optimize portfolio using the "DEoptim solver"
optPort <- optimize.portfolio(portfolioReturns, portf, optimize_method = "DEoptim", trace=TRUE,
                              rp=rp)

#chart weights of optimized portfolio
chart.Weights(optPort)
summary(optPort)

# chart.RiskReward(optPort, risk.col = "StDev", return.col = "mean", chart.assets = TRUE)

#not sure why you cannot use the previous random portfolio!!
rp<-random_portfolios(portf, 10000, "sample")

5. 了解風險回報 plot 的使用

這個 function 調用中有一個錯誤，我認為這是由於您的portf中的雙重目標，因為它可能會阻止您獲得有效的邊界。 不確定； 這不是必需的，而是您探索的任務:-)

# chart.RiskReward(optPort, risk.col = "StDev", return.col = "mean", chart.assets = TRUE)

6. 了解投資回報率

ROI與其他后端不同，因此需要單獨的投資組合規范portfolio.spec和投資組合優化optimize.portfolio或optimize.portfolio.rebalancing 。

這是實現它的一種方法（注意內部沒有add.objective的投資組合規范）：

portf2 <- portfolio.spec(colnames(portfolioReturns)) %>% 
  add.constraint(type="weight_sum", min_sum=1, max_sum=1) %>%
  add.constraint(type="box", min=.02, max=.60) %>% 
  add.constraint(type="transation_cost", ptc=.001) 

#this optimises based on Sharpe Ratio
optPort2 <- optimize.portfolio(portfolioReturns, portf2, optimize_method = "ROI", trace=TRUE,
                               maxSR=TRUE)

#rebalance portfolo
opt_rebal <- optimize.portfolio.rebalancing(portfolioReturns,
                                            portf2,
                                            optimize_method="ROI",
                                            rp=rp,
                                            rebalance_on="years",
                                            training_period=60,
                                            rolling_window=60)

extractWeights(optPort)
chart.Weights(optPort)

#extract weights of rebalanced portfolio
extractWeights(opt_rebal)

Output：

> extractWeights(opt_rebal)
           FB.Close AAPL.Close AMZN.Close GM.Close GOOGL.Close SQ.Close NVDA.Close RYAM.Close AMAT.Close
2017-12-29      0.6        0.2       0.02     0.02        0.02     0.02       0.02       0.02       0.02
2018-12-31      0.6        0.2       0.02     0.02        0.02     0.02       0.02       0.02       0.02
2019-09-20      0.6        0.2       0.02     0.02        0.02     0.02       0.02       0.02       0.02
           IMMR.Close SOI.Close PETS.Close
2017-12-29       0.02      0.02       0.02
2018-12-31       0.02      0.02       0.02
2019-09-20       0.02      0.02       0.02

您可以閱讀有關optimize.portfolio的文檔，了解它可以解決哪些有限類型的凸優化問題。