Portfolio Optimierung Handelsstrategien

Energieportfolio-Optimierung und Handelsstrategien Einleitung Die optimale Gestaltung von Handels - und Portfoliomanagement-Strategien nach individuellen Risiko-Rendite-Zielen ist der Schlüssel für den Erfolg eines Unternehmens im Energie - und Gashandel. Um diese Ziele in einer praktischen und konsequenten Weise zu erreichen, ist es unabdingbar, mächtige quantitative Ansätze zu nutzen. Unser Kurs Energieportfolio-Optimierung und Handelsstrategien bieten Ihnen die notwendigen Kenntnisse und praktischen Erfahrungen, um diese Konzepte erfolgreich in Ihrem Unternehmen aufzubauen und anzuwenden. Der Kurs wird gemeinsam mit unserem Partner KYOS präsentiert. Zielgruppen Dieser Kurs zielt auf eine breite Palette von Fachleuten aus, die im Energie - und Finanzsektor tätig sind, darunter Manager, Händler, Asset-Entwickler, Portfolio - und Risikomanager sowie Regulierungsbehörden. Jeder, der ein praktisches Verständnis von Energieportfolio-Optimierung und Handelsstrategien auf der Grundlage bewährter Praxis entwickeln möchte, wird vom Kurs profitieren. Der Kurs wird an einem Tag präsentiert, aufgeteilt in morgens und nachmittags. Während der Vormittagssitzung werden die Teilnehmer Hintergrundwissen über die Eigenschaften der europäischen Energie - und Gasmärkte erwerben. Diese Sitzung umfasst relevante Marktstrukturen und Marktliquiditätsfragen sowie Portfoliostrukturen entlang der Supply Chain und die vorherrschenden Risikoengpässe. Darüber hinaus werden wesentliche Ziele des Risikomanagements und der Risikominderung eingeführt. Dazu gehören die Ausrichtung der individuellen Risikotoleranz und Geschäftsstrategie sowie die Zuteilung von Risikokapital und die Begrenzung von Risiken. Schließlich lernen die Teilnehmer über die Merkmale und Mechanismen spezifischer physischer und finanzieller Vertragsstrukturen, die für die Verwaltung von Energieportfolios erforderlich sind, von standardisierten bis hin zu flexibleren Instrumenten. Die Nachmittagssitzung baut auf dieser Stiftung auf und liefert detaillierte Einblicke in grundlegende und fortschrittlichere Handels - und dynamische Absicherungstechniken in unvollständigen Märkten. Schließlich werden die Kursteilnehmer lernen, wie man Portfolios und Handelsstrategien in der Praxis optimiert und überwacht, basierend auf dem fundierten ökonomischen Konzept der Nützlichkeit. Der gesamte Kurs hat einen starken Fokus auf Anwendbarkeit und bietet zahlreiche Beispiele aus erster Hand und Fallstudien wie: tägliche Strom - und Gasportfolio-Optimierung, Optimale Nutzung von Lager - und Swing-Verträgen, Optimale Handelsstrategien für unsichere erneuerbare Einspeisung . Für jeden Teilnehmer wird ein Kursbesuch ausgestellt. Voraussetzungen Der Kurs erfordert keine spezielle Vorkenntnisse. Die Instruktoren dienen dazu, die zugrunde liegenden Konzepte sowie die praktischen Beispiele intuitiv darzustellen. Bitte klicken Sie hier, um unsere Broschüre herunterzuladen (inkl. Kursdetails, Preis, Datum und Ort).Portfolio Optimierung Portfoliooptimierungstools und - strategien helfen Investoren, ihre Portfolios steuerlich zu verwalten und schlauer zu werden über die Auswirkungen der Steuern auf ihre reale Investition kehrt zurück. GainsKeeper Brokerage bietet Tools, die zusätzliche Provisionsgeschäfte für Maklerfirmen generieren können, während die Investoren nach Steuern steigern. Portfolio-Tracking-Funktion Erhöhung der Kundenzufriedenheit und Asset-Akkumulation GainsKeepers Portfolio-Optimierungsstrategien minimieren Ihre Kunden steuerliche Konsequenzen. Generieren Sie höhere Handelsvolumina Helfen Sie Ihren Kunden, fundierte Handelsentscheidungen zu treffen und gleichzeitig das Handelsvolumen zu erhöhen. Reduzieren Sie Kunden-Support-Anfragen GainsKeeper gibt Ihren Kunden die Werkzeuge, um die Komplexität der Steuer-Lot-Accounting-Probleme zu reduzieren. Erhöhung der Kundenzufriedenheit und Asset-Akkumulation Die Bereitstellung von Post-Transaction-Service für Ihre Kunden ist entscheidend für die gesamte Investor-Erfahrung. Mit GainsKeepers Portfolio-Optimierungs-Tools können Ihre Kunden steuerhohe Transaktionen identifizieren, um die Ertragssteuern zu maximieren und die Steuern zu minimieren. Generierung höherer Handelsvolumina GainKeepers Trading Strategien ermöglichen es Investoren, Trades zu identifizieren, die ihre steuerliche Position verbessern können. Vermeiden Sie den Verkauf. GainsKeeper identifiziert Positionen in einem Portfolio, das einen Waschverkauf auslösen wird, wenn er am aktuellen Tag gehandelt wird, so dass Ihre Kunden diese Trades vermeiden können. Identifizieren Investitionen für die Double Down Strategie. Mit der Double Down-Strategie nehmen die Anleger Positionen ein, die sich derzeit in einem tiefen Verlierer befinden und ihre Bestände in ihnen verdoppeln. Nach dem Warten von 31 Tagen außerhalb des Waschverkaufsfensters werden diese Aktien dann mit Verlust verkauft. GainsKeeper benachrichtigt Investoren von Positionen in ihren Portfolios, die gute Kandidaten für die Double Down Strategie sind. Dies ermöglicht es Investoren, Verluste für steuerliche Zwecke zu erkennen, ohne ihre Beteiligung an den Positionen zu verlieren. Verwenden Sie Verkaufsstufen, um optimale Lose zuerst zu verkaufen. GainsKeepers Selling Grade Maßnahmen die steuerlichen Konsequenzen Ihrer Kunden verkaufen ihre Investitionen und ordnet sie entsprechend. Je höher der Sell Grade Wert ist, desto günstiger ist der Handel aus steuerlicher Sicht. GainsKeeper weist jedem Besitz eine Sell Grade zu und ordnet sie dann von der höchsten Sell Grade zum niedrigsten Sell Grade. A Sell Grade größer als 1,0 wird Ihre Kurtaxe sparen. A Sell Grade of 1.0 ist neutral und hat keine steuerlichen Auswirkungen. Ein Sell Grade weniger als 1,0 kostet Ihre Kundensteuer Dollar. GainsKeepers Sell Grade stammt aus einem proprietären Algorithmus, der jede Steuer-Lose angepasst Kostenbasis (dh die ursprüngliche Kostenbasis bereinigt für alle Wasch-Verkäufe und Corporate-Aktionen), aktuelle Halteperiode (dh langfristig oder kurzfristig), aktuellen Marktpreis berücksichtigt , Und vor allem Ihre Kunden persönliche Steuersatz und früheren realisierten Gainslosses, einschließlich der Charakter dieser Gewinne und Verluste. Auf diese Weise wird GainsKeepers Sell Grade zu jedem einzelnen Portfolio und steuerlichen Situation angepasst. Reduzieren Sie Kundensupport Anfragen Mit GainsKeeper integriert in Ihre Website, sind Sie proaktiv Bewaffnung Ihrer Kunden mit steuerlichen Informationen im Zusammenhang mit ihren Investitionen, vor allem in Bezug auf Waschverkäufe, Corporate Aktionen, Ernte-Berechnungen und Schedule D. Bereitstellung Ihrer Kunden mit den Werkzeugen, um ihnen zu helfen Verwalten die Komplexität dieser Fragen können dazu beitragen, Anfragen zu Ihrem Call-Center. Portfolio Trader Portfolio Trader ist eine erweiterte Funktionalität zu simulieren und Auto Handel ganze Portfolios, die 100s von Aktien, Futures und andere Instrumente enthalten können. Traditionell werden solche leistungsstarke Tools wie Portfolio Trader oft als separate Anwendung verkauft, aber in MultiCharts bekommst du es inklusive in deinem Traderarsenal. Portfolio-Backtesting wurde auf eine ganz neue Ebene mit Dynamic Currency Conversion und Walk-Forward-Optimierung verbessert. Während andere Plattformen nur historische Simulationen des Portfolio-Trading bieten, ermöglicht Ihnen MultiCharts Portfolio Trader den Handel mit jeder Strategie, die Sie mit einem einzigen Klick entwickelt haben. Backtesting Ihr Portfolio Portfolio-Backtesting bedeutet, dass man eine oder mehrere Strategien auf viele Instrumente anwendet, um sofort auf historische Daten zu simulieren und die Performance zu bewerten, als ob alle Symbole mit diesen Strategien gehandelt würden. Verschiedene Symbole können sogar unterschiedliche Auflösungen während der Prüfung haben: 1 Tick, 3 Minuten, 9 Tage oder andere. MultiCharts 64-Bit-Version ist wichtig für Portfolio-Backtesting als seine sehr leicht zu erreichen kritische Masse mit der riesigen Anzahl von Kombinationen. Für technische Informationen über diese Funktion Blick auf die zugehörige Wiki-Seite. Real-Life-Einschränkungen betrachtet Betrachtung von Real-Life-Constraints ist entscheidend für die Schaffung erfolgreicher Portfolio-Trading-Strategien. Während des Portfoliobetests müssen Tradesigne oft priorisiert werden, da es nicht genügend Geld auf dem Konto gibt, um alle Aufträge zu platzieren. Ihre Strategie könnte immer die billigsten Instrumente zuerst kaufen, oder Sie möchten, dass es immer füllen Lager Bestellungen vor Futures Bestellungen. Definieren Sie Geldmanagement innerhalb von Skripten Geldverwaltungsoptionen können einfach über die Portfolio Trader-Schnittstelle oder direkt über PowerLanguage-Code geändert werden. Wir haben die Portfolio Money Management Schlüsselwörter zu Ihrer Bequemlichkeit hinzugefügt. Bitte beachten Sie, dass alle Schlüsselwörter, die Geldwerte zurückgeben oder erhalten, die in den Portfolio-Einstellungen angegebene Währung verwenden. Erfahren Sie mehr technische Informationen auf unserer Wiki-Seite. Optimieren Sie Ihr Portfolio in ein paar Klicks Portfolio-Optimierung ermöglicht es Ihnen, optimale Parameter für jede Ihrer Portfolio-Strategien ein zu einer Zeit oder alle auf einmal zu finden. In der Portfolio-Backtesting-Engine sind sowohl erschöpfende als auch genetische Optimierungsmethoden verfügbar. Die 64-Bit-Version von MultiCharts verarbeitet riesige Daten, die für beide Aufgaben mit Leichtigkeit benötigt werden. Forward Testing Der Prozess der Prüfung einer Handelsstrategie in Echtzeit, aber ohne tatsächlichen Handel bei Makler. Ein Händler kann eine Simulation seiner Handelsstrategie auf relevante Daten durchführen, um seine Wirksamkeit zu messen. Bei Ihrer Bequemlichkeit enthält das Forward Performance Testing-Fenster die wichtigsten Informationen zur Strategie-Performance für jedes Instrument. Portfolio Automated Trading MultiCharts Portfolio Trader kann mehrere Strategien verarbeiten, die auf verschiedene Gruppen von Symbolen angewendet werden und Routenordnungen an verschiedene Broker weitergeben. Nach dem Backtesting und Optimierung der Strategien, können Sie auf echten Handel wechseln, wenn Aufträge an den Broker gesendet werden. Außerdem kannst du den Handel auf einem der Instrumente pausieren und fortsetzen, wann immer du nur mit einem Klick brauchst. Verwenden Sie mehr als eine Strategie zu einem Zeitpunkt Portfolio Trader ist sehr flexibel, wenn Sie mehrere Strategien erstellen und kombinieren sie in vielerlei Hinsicht. Symbole können in Gruppen eingeteilt werden und jede Gruppe kann ihre eigene Strategie haben. Zum Beispiel können Sie Rotation und Spread Strategien auf verschiedene Gruppen von Instrumenten in Ihrem Portfolio angewendet haben. Auch können Sie ein Handelssystem, das Aktien und andere, die Futures handelt. Die Performance jeder Strategie wird sich auf Ihre gesamte Portfolio-Performance auswirken. Weitere Beispiele hierzu finden Sie hier. Alle Handelsdaten an Ihren Fingerspitzen Order und Position Tracker sind während des Autotraktionsprozesses verfügbar, so dass Sie Ihren Kontostand oder Open PL jederzeit mit nur einem Klick überprüfen können. Es gibt detaillierte Zusammenfassung der Aufträge, Positionen und Konten über alle Broker, die für den Handel verwendet werden. Sie können ausstehende Aufträge abbestellen oder ändern oder sogar ganz Positionen platzieren. Interaktive Portfolio-Performance-Bericht MultiCharts Portfolio-Bericht ist ein wichtiges Werkzeug bei der Bewertung, wie Ihre Strategien zu tun sind. Es ist genau wie unser regelmäßiger Leistungsbericht, aber es bietet die Möglichkeit, den Durchbruch durch Symbole zu sehen oder eine Korrelationsmatrix zu zeigen. Portfolio Performance Report ist im Auto Trading Mode verfügbar. Es zeigt die Ergebnisse, die von dem Moment, als es geöffnet wurde, erzeugt wurden. Verweis auf andere Instrumente mit Leichtigkeit Ihre Trading-Strategie kann bis zu neun anderen Instrumenten verweisen, um eine Handelsentscheidung über ein handelbares Symbol zu machen. Dies eröffnet neue Möglichkeiten, Strategien wie statistische Arbitrage oder Paarhandel zu testen. Lets betrachten ein Paar Handelsstrategie. Wenn einer der Paare gekauft oder verkauft wird, muss deine Strategie genau wissen, was mit beiden Symbolen los ist. Wenn Ihr Paar Google und Microsoft ist, würden Sie GOOG als Symbol eins und MSFT als Symbol zwei eingeben. Dann würden Sie MSFT als Daten hinzufügen und GOOG als Daten zwei. Auf diese Weise wird jedes Instrument im Paar aktiv auf das andere Instrument verweisen und Sie erreichen eine vollständige Synchronisation. Die Top 7 Portfolio-Optimierungsprobleme Stolperblöcke auf der Trek von der Theorie bis zur praktischen Optimierung im Fondsmanagement. Problem 1: Portfolio-Optimierung ist zu hart Wenn Sie eine Kalkulationstabelle verwenden, dann ist das in der Tat ein Problem. Spreadsheets sind gefährlich, wenn eine komplexe Aufgabe gegeben wird. Die Portfolio-Optimierung qualifiziert sich in diesem Zusammenhang als komplex (komplex in Datenanforderungen). Wenn du eine passendere Computing-Umgebung einsetzst, dann ist es wirklich so schwer. Es gibt ein paar Fragen, die behandelt werden müssen, aber sie nehmen eine zu einer Zeit hält die Aufgabe von überwältigend. Wenn Sie Kalkulationstabellen verwenden, ist mein Rezept auf R zu wechseln. Wenn es echtes Geld auf der Linie gibt, mit einer Tabellenkalkulation für Portfolio-Optimierung scheint mir Penny weise und Dollar dumm zu sein. Wenn Sie andere Probleme mit der Optimierung haben, lesen Sie den Rest dieses Beitrags. Problem 2: Portfolio-Optimierer schlagen zu viel Handel Eine große Frustration mit Optimierer ist, dass der Umsatz übermäßig sein kann. Alle vernünftigen Portfolio-Optimierer erlauben: Umsatzbeschränkungen Transaktionskosten Nutzen Sie diese, um den Umsatz auf einen geeigneten Betrag zu reduzieren. Wir ließen es oft, dass Autos unkontrolliert einen Hügel hinunterrollen. Und wir sollten es auch nicht erlauben. Problem 3: erwartete Renditen werden benötigt. Zuerst ist das nicht genau richtig. Sie finden Mindestabweichungsportfolios, die eine Varianzmatrix benötigen, aber nicht erwartete Renditen. Der Erfolg der niedrigen Volatilität ist ein Grund, diesen Weg zu gehen. Aber wenn man annimmt, dass Sie ein aktiver Investor sind, brauchen Sie in gewissem Sinne Erwartungen. Es gibt eine Reihe von Techniken, die don8217t erfordern numerisch erwartete Renditen. Zielportfolio Jeder sollte in der Lage sein, ein ideales Zielportfolio zu bieten 8212 das Portfolio, das Sie gerne halten möchten, wenn alle Einschränkungen ignoriert werden. Sobald du das Zielportfolio hast, dann kannst du ein Portfolio bekommen, das 8220close8221 zum Ziel ist, aber gehorcht den Einschränkungen. Eine dieser Einschränkungen sollte fast sicher sein. Wahrscheinlich wäre eine bessere Lösung, um den Tracking-Error auf das Zielportfolio zu minimieren. Dies erfordert eine Varianzmatrix. Reverse-Optimierung Die Technik der Reverse-Optimierung (auch als implizite Alpha bezeichnet) kann iterativ verwendet werden, um zu versuchen, ein Portfolio zu finden, das aussieht wie das, was Sie wollen, in Bezug auf die erwarteten Renditen, die impliziert werden. Das vermeidet eigentlich Optimierung, aber es ist arbeitsintensiv und es hängt von den Zwängen ab, die die impliziten Alphas nicht verderben (was vielleicht zweifelhaft ist). Asset Ränge Wenn Sie die Vermögenswerte in Ihrem Universum in Bezug auf die erwarteten Renditen bestellen können, dann ist es möglich, erwartete Renditen zu einem Optimierer zu geben. Ranking Assets ist viel einfacher als numerische Schätzungen der Renditen. Ein Papier von Almgren und Chriss erklärt, wie man die Ränge in numerisch erwartete Renditen verwandelt. Der einfache Fall erfordert nur die Verwendung der qnorm-Funktion in R. Das gibt dir relative Größen, aber du wirst es immer noch wollen, sie auf die Varianz-Matrix abzustimmen. Problem 4: Mittelwert-Varianz-Optimierung ist restriktiv Es gibt einen Mythos, dass Mittelwert-Varianz-Optimierung nur dann sinnvoll ist, wenn die Renditen normalerweise verteilt sind. Das ist rückwärts. Wenn die Renditen normalerweise verteilt sind, dann ist die Mittelwert-Varianz-Optimierung alles, was getan werden kann 8212 alle anderen Dienstprogramme werden gleichwertig sein. Sehen Sie mehr bei 8220Ancient portfolio theory8221. Wenn die Renditeverteilung aller Vermögenswerte im Universum nicht vernünftig nahe an symmetrisch ist, dann ist ja die Mittelwertvarianzoptimierung restriktiv und sollte nicht verwendet werden. Beispiele für störende Vermögenswerte sind Anleihen und Optionen. Allerdings, wenn das Universum ist nur Aktien, dann Mittel-Varianz ist eine ziemlich gute Annäherung an das Beste, was wir tun können. Schiefe und Kurtosis könnten dem Dienstprogramm hinzugefügt werden, um die Nicht-Normalität der Renditen zu berücksichtigen. Der Blog-Post 8220Predictability von Schiefe und Kurtosis in SampP-Konstituenten8221 zeigt, dass Schiefe ist wahrscheinlich nahe an unmöglich zu prognostizieren und die Vorhersagbarkeit von Kurtosis ist begrenzt. Im Jahr 1999 waren untere Teilmomente und Halbvarianz bei Tech-Aktien beliebt, weil sie nicht wirklich riskant waren, sie gingen nur auf. Es stellte sich heraus, dass es Symmetrie in der Rückkehr von Tech-Aktien 8212 war es nur, dass die Nachseite kam später. Wenn ja, sind Sie in einer Situation 8212 einschließlich festes Einkommen oder Optionen 8212, wo Mittel-Varianz-Optimierung nicht angemessen ist, dann sollten Sie wahrscheinlich Szenario-Optimierung. Problem 5: Portfolio-Optimierung Eingänge sind laute Schätzungen Portfolio-Optimierer sind dumm genug zu glauben, was wir ihnen sagen. Der Optimierer gibt uns eine Lösung, als ob wir die erwarteten Renditen und die Varianzmatrix wirklich wussten. In der Tat: Schätzungen der erwarteten Renditen sind fast totale Rauschschätzungen der Varianz-Matrix sind ziemlich laut 822Das gesamte Gesamt-Lärm8221 gilt für die besten Fondsmanager 8212 die 8220 fast8221 muss für unterdurchschnittliche Fondsmanager fallen gelassen werden. Faktor-Variantenmodelle werden oft in Optimierer eingegeben. Diese sind viel besser als Beispiel-Varianz-Matrizen für große Universen. Allerdings ist die Verwendung einer Schrumpfung Schätzung wahrscheinlich besser als entweder. Nominativfehler Wir haben ein Wharfian Problem mit 8220portfolio optimization8221. Die Leute denken, dass wir das Portfolio optimieren, wenn wir das sagen. In der Tat optimieren wir den Handel. Für manche Zwecke ist es egal, aber es spielt keine Rolle, wenn wir darüber nachdenken, was wir mit lärmenden Eingängen machen sollen. Black-Litterman Typ Operationen Einige Leute denken, dass etwas wie Black-Litterman ist eine Lösung für dieses Problem. Es isn8217t Wenn es intelligent gemacht wird, dann reduziert es 8212, aber nicht beseitigen 8212 das Rauschen in den erwarteten Renditen. Robuste Optimierung Die echte Lösung für dieses Problem ist der Name der robusten Optimierung. Ich finde diesen Begriff unglücklich, da gibt es mehrere Verwendungen des Begriffs 8220robust8221, die leicht verwechselt werden können mit der Bedeutung der guten Lösungen für eine Trade-Optimierung von geräuschvollen Inputs. Es gibt eine ziemlich große Auswahl von Vorschlägen für die Umsetzung von Lösungen. Die meisten von ihnen sind ziemlich kompliziert. Es gibt eine einfache und leicht umsetzbare Lösung (obwohl die genaue Zahl wahrscheinlich durch Experimente gefunden werden muss). Hier ist die Geschichte (vorausgesetzt, wir haben ein bestehendes Portfolio): Wenn die Eingaben, die wir dem Optimierer geben, genau richtig sind, dann sollten wir akzeptieren, was der Optimierer sagt. Wir sollten den vorgeschlagenen Handel machen 8212 erinnern wir uns, dass wir den Handel optimieren. Wenn die Eingaben, die wir dem Optimierer geben, vollständiger Müll sind, sollten wir nichts tun. Unser Handel sollte null sein. Die Realität ist, dass unsere Inputs irgendwo zwischen genau und vollständigen Müll sind, also sollte unser Handel irgendwo zwischen dem vorgeschlagenen Handel und kein Handel sein. Wir wollen den Handel schrumpfen. Es ist leicht, den Handel zu schrumpfen, indem man eine (stärkere) Umschlagsbeschränkung auferlegt oder die Transaktionskosten erhöht. Wie viel das zu tun ist, ist natürlich ein Problem, aber das Prinzip ist einfach. Eine Vermutung ist wahrscheinlich besser als gar nicht. Problem 6: Transaktionskosten sind schwierig Dies ist wahr. Einige der Kosten sind einfach, aber die Auswirkungen des Marktes sind schwer zu knacken. Aber da ist ein noch schwierigeres Bit: Entweder müssen die Transaktionskosten skaliert werden, um die erwarteten Renditen und Varianzen anzupassen, oder die erwarteten Renditen und Varianzen müssen skaliert werden, um die Transaktionskosten zu erfüllen. Die drei Entitäten erscheinen alle in der Utility-Funktion, und Skalierung ist notwendig, damit das Dienstprogramm sinnvoll ist. Der Feigling ist nur eine Umschlagsbeschränkung. Der andere Weg ist zu arbeiten und denken hart an Handelskosten. Und wahrscheinlich einen Optimierer zu verwenden, der eine flexible Angabe der Kosten ermöglicht. Problem 7: Risiko - und Alpha-Faktor-Ausrichtungsprobleme Es wurde unter der Portfolio-Optimierung Literat über Alpha-Essen und Faktor-Ausrichtung gesprochen. Das Ganze klingt ernst geeky (bis zu einem Nerd wie ich). Das Wesentliche ist, dass, wenn es Faktoren gibt, die in den erwarteten Renditen verwendet werden, die keine Faktoren im Risikomodell sind, dann wird der Optimierer denken, dass diese Faktoren im Wesentlichen risikolos sind und sie zu viel verwenden. Eine der wichtigsten 8220solutions8221 dazu ist, die fehlenden Faktoren dem Risikomodell hinzuzufügen. Dies setzt natürlich voraus, dass es Faktoren für das erwartete Rendite-Modell gibt. Ich vermute, dass das eigentliche Problem ist, dass Faktormodelle die falsche Technologie sind, die als Varianzmatrix in Optimierer verwendet wird. Die Lösung ist also besser Technik. Mein Vorschlag ist es, Ledoit-Wolf-Schätzungen zu verwenden, die auf gleiche Korrelation schrumpfen. Problem 8: Zwänge in den Weg Dies ist das unsichtbare Problem. Es ist für die Leute nicht bedenklich, weil sie es nicht wissen. Einschränkungen sind vorhanden, so dass das Portfolio nichts zu dumm macht. Aber wieviele haben überprüft, um zu sehen, dass die Zwänge wie beabsichtigt sind Die 8220the8221 im Titel ist natürlich huckstering Quatsch 8212 Ich weiß nicht, welche Probleme oben sind. Welche anderen Probleme sind in der laufenden Anlage R Portfolio-Optimierung in R Viele der kommerziellen Portfolio-Optimierer haben eine R-Schnittstelle. Dazu gehört natürlich auch Portfolio-Sonde. Es gibt eine Reihe von mehr oder weniger naiven Portfolio-Optimierung Implementierungen in R, die beigetragen wurden. Weitere Informationen finden Sie in der Empirical Finance-Task-Ansicht. Ledoit-Wolf-Schrumpfung Du kannst eine Funktion bekommen, die Ledoit-Wolf-Schrumpfung zu gleicher Korrelation macht (in R): Der erste Befehl, den du nur einmal machen musst (pro Version von R), der zweite, den du in jedem R machen musst Sitzung, in der Sie die Funktion nutzen möchten. Es heißt var. shrink. eqcor. Standardmäßig stellt dies sicher, dass der minimale Eigenwert mindestens 0,001 mal der größte Eigenwert ist. Dies ist ein Weg zur Vermeidung der Faktor Ausrichtung Problem. Es gibt keinen wissenschaftlichen Grund für diesen besonderen Wert der Grenze 8212 fühlen sich frei zu experimentieren und berichten zurück. Das BurStFin-Paket hat auch factor. model. stat, das ein statistisches Faktormodell schätzt. Wenn sie Daten von den Beständen erhalten, müssen sie von und zu demselben Datum sein, das Daten für ein company8217s Aktien (Firma A) in den Jahren vor Finanzkrise (wenn sie wirklich gut taten) und ein company8217s (Firma B) Aktien in den Jahren in der Rezession haben Es ist nicht sinnvoll, weil der Portfolio-Optimierungs-Softwarealgorithmus die Ausgabe zurückgibt, die alle Gewichte an die Firma gehen sollen. A Richtig sind Sie in Problem 3 hier: erwartete Renditen sind hart. Wie ich in meinen höheren Momenten gesagt habe, rede ich mit den historischen Renditen, ist für die meisten Zwecke völlig unbrauchbar. Wie Sie zu Recht darauf hinweisen, wäre es noch gefährlicher, wenn die historischen Perioden nicht gleich sind (zumindest weitgehend). Danke für die aufklärende Post. Ich interessiere mich besonders für die Macht von R als Investitionsanalyse-Tool. Nach erfolgreicher Implementierung des klassischen Portfolio-Optimierungsmodells suche ich einen effizienten Weg, um den gesamten Investitionsbereich in R (neben der effizienten Investitionsgrenze) zu zeichnen. Mein aktueller Ansatz ist es, zufällige Portfolio-Gewichte (gleichmäßig verteilt in einem Simplex) zu generieren, zu prüfen, ob Einschränkungen gehalten werden und plotten sie. Allerdings sind die Charts, die ich bekomme, sehr verschieden von denen, die ich als Ausgabe von anderen Programmen gesehen habe (z. B. OptiFolio ECVaR). Meine Ergebnisse zeigen eine sehr kleine Wolke von Portfolios. Haben Sie irgendwelche Vorschläge, wie man einen detaillierteren Investitionsbereich mit R produzieren kann, vermute ich, dass Sie so etwas wie Abbildung 3 der Realisierten effizienten Grenzen sehen. Es scheint, dass typische Portfolios in einem ziemlich kleinen Teil des machbaren Raumes leben. Ich habe es jemals versucht zu tun, was du tust, also habe ich keine Weisheit über das Thema. Ich denke, Sie müssen eine Art Optimierung mit unterschiedlichen Eingängen durchführen. Aber ich sehe es nicht, zumindest im Moment. Wenn Sie davon ausgehen können, dass der machbare Raum konvex ist, dann ist der 8216chull8217 (wie in 8216convex hull8217) R-Funktion dein Freund.