主要内容

为PortfolioCVaR对象估计有效边界

而为PortfolioCVaR对象的整个边界估计有效投资组合本节主要关注高效投资组合的估计，重点关注高效前沿的估计。有关使用时工作流的信息PortfolioCVaR对象,看到对象工作流．

获取CVaR投资组合的风险和回报

对于任何投资组合，特别是有效投资组合，函数estimatePortReturn而且estimatePortRisk提供对回报(或回报代理)、风险(或风险代理)的估计。每个函数都有相同的输入语法，但有不同的输出组合。假设你有如下的投资组合优化问题给出了一个沿着有效边界的投资组合集合pwgt：

M = [0.05;0.1;0.12;0.18);C = [0.0064 0.00408 0.00192 0;0.00408 0.0289 0.0204 0.0119;0.00192 0.0204 0.0576 0.0336;0 0.0119 0.0336 0.1225];M = M /12;C = C/12; AssetScenarios = mvnrnd(m, C, 20000); p = PortfolioCVaR; p = setScenarios(p, AssetScenarios); p = setDefaultConstraints(p); p = setProbabilityLevel(p, 0.95); pwgt0 = [ 0.3; 0.3; 0.2; 0.1 ]; p = setInitPort(p, pwgt0); pwgt = estimateFrontier(p);

请注意

记住，CVaR投资组合优化的风险代表是CVaR。

鉴于pwgt0而且pwgt，利用投资组合风险和收益估计函数，求出你的初始投资组合和有效边界上的投资组合的风险和收益:

prsk0 = estimatePortRisk(p, pwgt0);pre0 = estimatePortReturn(p, pwgt0);prsk = estimatePortRisk(p, pwgt);pret = estimatePortReturn(p, pwgt);
你获得这些风险和回报:
Display (prsk0) Display (pre0) Display (prsk) Display (pret)
Prsk0 = 0.0591 pre0 = 0.0067 PRSK = 0.0414 0.0453 0.0553 0.0689 0.0843 0.1006 0.1193 0.1426 0.1689 0.1969 pret = 0.0050 0.0060 0.0070 0.0080 0.0089 0.0099 0.0109 0.0119 0.0129 0.0139

获得投资组合标准差和VaR

的PortfolioCVaR对象具有计算投资组合收益标准差和投资组合风险价值的函数estimatePortStd而且estimatePortVaR．这些函数适用于任何投资组合，不一定是有效的投资组合。例如，下面的示例获得5个投资组合(pwgt)在有效边界上，也有一个初始投资组合在pwgt0．计算各种投资组合统计数据，包括回报、风险、标准偏差和风险值。列出的估计是第一行中初始投资组合的估计，后面的行中是五个有效投资组合中的每个的估计。

M = [0.0042;0.0083;0.01;0.15);C = [0.005333 0.00034 0.00016 0;0.00034 0.002408 0.0017 0.000992;0.00016 0.0017 0.0048 0.0028;0 0.000992 0.0028 0.010208];Pwgt0 = [0.3;0.3; 0.2; 0.1 ]; p = PortfolioCVaR(“initport”, pwgt0);p = simulateNormalScenariosByMoments(p, m, C, 20000);p = setDefaultConstraints(p);p = setProbabilityLevel(p, 0.9);pwgt = estimateFrontier(p, 5);pret = estimatePortReturn(p， [pwgt0, pwgt]);prsk = estimatePortRisk(p， [pwgt0, pwgt]);psd = estimatePortStd(p， [pwgt0, pwgt]);pvar = estimatePortVaR(p， [pwgt0, pwgt]);[pret, prsk, pstd, pvar]
Ans = 0.0207 0.0464 0.0381 0.0283 0.1009 0.0214 0.0699 -0.0109 0.1133 0.0217 0.0772 -0.0137 0.1256 0.0226 0.0849 -0.0164 0.1380 0.0240 0.0928 -0.0182 0.1503 0.0262 0.1011 -0.0197

另请参阅

||||

相关的例子

更多关于

外部网站