Наивное правило выбора портфеля

Если бы альтернативный пакет тоже был приемлем: вот набросок, как это сделать с PMwR, который я поддерживать. Я начну с примера набора данных: 17 отраслевых портфолио с веб-сайта Кеннета Френча (вероятно, тот же набор данных, который вы используете).

library("PMwR")
library("NMOF")

P <- French(tempdir(),
            "17_Industry_Portfolios_daily_CSV.zip",
            frequency = "daily",
            price.series = TRUE)


str(P)
## 'data.frame':    24935 obs. of  17 variables:
##  $ Food : num  1 1 1 1 1.01 ...
##  $ Mines: num  1 1 1.01 1 1 ...
##  $ Oil  : num  1 1.01 1.01 1.02 1.01 ...
##  $ Clths: num  1 1 1 1 1.01 ...
##  $ Durbl: num  1 0.989 0.983 0.965 0.964 ...
##  $ Chems: num  1 1.01 1.02 1.02 1.03 ...
##  $ Cnsum: num  1 1 1.01 1.01 1.01 ...
##  $ Cnstr: num  1 1 1 1.01 1.01 ...
##  $ Steel: num  1 0.994 1.006 1.007 1.007 ...
##  $ FabPr: num  1 0.992 1.002 1.008 1.032 ...
##  $ Machn: num  1 0.999 1.003 1.008 1.006 ...
##  $ Cars : num  1 0.999 1.009 1.018 1.019 ...
##  $ Trans: num  1 1 1 1 1 ...
##  $ Utils: num  1 1.01 1.01 1.02 1.02 ...
##  $ Rtail: num  1 1 1 0.998 0.992 ...
##  $ Finan: num  1 1.01 1.01 1.01 1 ...
##  $ Other: num  1 1 1 1.01 1.01 ...

Бэктесты можно запускать с помощью функции btest. Основным компонентом бэктеста является сигнальная функция, которая вызывается в любой момент времени и возвращает желаемый портфель. Пример: функция здесь просматривает 250 дней назад, вычисляет доходность активов, а затем сохраняет те активы, доходность которых выше средней.

above_median <- function() {
    ## get the most recent 250 days
    H <- Close(n = 250)

    ## compute total return of industries
    R <- H[nrow(H), ] / H [1L, ]

    ## include only those with an above-median return
    include <- R > median(R)
    w <- numeric(ncol(H))
    w[include] <- 1/sum(include)
    w
}

Эта функция передается btest с инструкцией вызывать ее каждый квартал.

bt <- btest(prices = list(as.matrix(P)),
            timestamp = as.Date(row.names(P)),
            signal = above_median,
            do.signal = "lastofquarter",
            b = 250, ## burnin
            initial.cash = 100,
            convert.weights = TRUE)

Вы можете проанализировать результаты.

summary(NAVseries(bt))
journal(bt)

Обновление после комментария: btest не накладывает ограничений на частоту данных. Вот пример с ежемесячными данными, начиная с ежемесячных доходов.

P <- French(tempdir(),
            "17_Industry_Portfolios_CSV.zip",
            price.series = FALSE)
head(P)  ## returns
##               Food   Mines     Oil  Clths   Durbl   Chems  Cnsum   Cnstr
## 1926-07-31  0.0048  0.0378 -0.0141 0.0602 -0.0162  0.0846 0.0142  0.0231
## 1926-08-31  0.0291  0.0069  0.0360 0.0015 -0.0196  0.0570 0.0584  0.0433
## ....

Преобразуйте доходность в ряд совокупной доходности:

P <- apply(P + 1, 2, cumprod)
head(P)  ## returns => 'prices'
##                Food    Mines       Oil    Clths     Durbl    Chems    Cnsum
## 1926-07-31 1.004800 1.037800 0.9859000 1.060200 0.9838000 1.084600 1.014200
## 1926-08-31 1.034040 1.044961 1.0213924 1.061790 0.9645175 1.146422 1.073429

Настройте функцию сигнала для месячных данных:

above_median <- function() {
    ## get the most recent 12 months
    H <- Close(n = 12)

    ## compute total return of industries
    R <- H[nrow(H), ] / H [1L, ]

    ## include only those with an above-median return
    include <- R > median(R)
    w <- numeric(ncol(H))
    w[include] <- 1/sum(include)
    w
}

Запустите бэктест с соответствующим прожигом b.

bt <- btest(prices = list(as.matrix(P)),
            timestamp = as.Date(row.names(P)),
            signal = above_median,
            do.signal = "lastofquarter",
            b = 12, ## burnin
            initial.cash = 100,
            convert.weights = TRUE)

unique(journal(bt)$timestamp)  ## timestamps of trades 
## [1] "1927-09-30" "1927-12-31" "1928-03-31" "1928-06-30" "1928-09-30"
## [6] "1928-12-31" "1929-03-31" "1929-06-30" "1929-09-30" "1929-12-31"
## ....