动量和马科维茨Markowitz投资组合（Portfolio）模型实现

全文链接：http://tecdat.cn/?p=17931 

相关视频

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]]

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

# 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,

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

#  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

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。