Как я могу использовать распределение Student-t для оптимизации портфолио в R?
Я бы подобрал данные с помощью оценочного параметра, а затем включил бы свой новый дистрибутив в пакет оптимизации портфеля.
С самого начала: я пытаюсь провести оптимизацию портфеля с помощью подхода энтропийного пула Меуччи. В качестве основы (эталонной модели) я хотел бы использовать исторические данные, подогнанные к многомерному асимметричному t-распределению.
Основы: Подход Entropy Pooling основан на Black-Litterman - проще говоря: вы можете включить Просмотры (абсолютные или относительные) в оптимизацию вашей модели / портфеля. Разница по сравнению с BL заключается в том, что вы можете использовать ненормальное распределение (даже не возвраты), нелинейные представления и представления по множеству параметров. (возвраты, Cor, SD и т. д.) Таким образом, вы можете поместить любые случайные данные в свою модель в качестве эталонной модели. Следующим шагом является объединение этой модели с выбранными вами отдельными видами.
Итак, теперь у меня есть объект распределения, но как мне поместить распределение в мой оптимизатор. (optimize.portfolio - пакет «PortfolioAnalytics»). Таким образом, требуется объект xts, vector, matrix, data frame, timeSeries или zoo для возврата активов. Пробел в моих знаниях связан с переходом от распределения к новому набору данных.
Спасибо заранее!
Мой следующий код:
return_distribution = sn::mst.mple(y=returns[,-1])
xi = c(return_distribution[['dp']]$beta)
omega = return_distribution[['dp']]$Omega
alpha = return_distribution[['dp']]$alpha
df = return_distribution[['dp']]$nu
marketDistribution = BLCOP::mvdistribution('mst', xi = xi, Omega = omega,
alpha = alpha, nu = df)