La rentabilidad de la cartera con la desigualdad de activos retorno historias

Question

Utilizando el paquete PerformanceAnalytics en R, estoy tratando de calcular el retorno de igual ponderado de la cartera que contiene 30 de activos. Sin embargo, estos activos no tienen el mismo punto de partida en el tiempo, lo que resulta en la falta de valores para varios activos desde el comienzo del período de la muestra. De forma predeterminada, PerformanceAnalytics atribuye un valor de "0" a la falta de valores, lo que resulta en los activos asignados a un positivo de peso en la cartera, aunque estos no tienen ningún tipo de retorno de datos disponibles.

Hay una posibilidad de tener PerformanceAnalytics ignorar los valores que faltan y reequilibrar la cartera una vez que un activo esté disponible?

De antemano, gracias por sus útiles comentarios.

Answer 1

Puede utilizar métodos Bayesianos. Falta de datos no es un problema intrínseco para Bayesiano métodos, sin embargo, usted necesita entender por qué faltan datos antes de utilizar métodos Bayesianos. En tu caso, es porque las empresas no existen. Que es bastante afortunados como este hace que su caso más simple. Es un problema diferente si, por ejemplo, hubo alguna razón los datos que faltaba tal como se puede ver en otras ciencias sociales, tales como la vergüenza. Entonces usted tiene un dolor de cabeza.

Usted necesita para desarrollar las distribuciones previas para la ubicación del centro de ubicación y para el parámetro de escala. Imaginemos que se inicie de forma secuencial, de modo que $X_1$ es el primero de la serie para empezar, $X_2$ el segundo y $X_{30}$ la última. Se establecería un previo para el primero, hasta que fueron una observación antes de la observación de $X_2$. Usted podría tratar su posterior densidad de $X_1$ como el anterior por $X_2$. Me debilitaría el parámetro de escala para cubrir la probabilidad de que los parámetros de $X_2$ no son de la misma $X_1$. Repita hasta que todas las series han comenzado.

Para el interior de observaciones ausentes, como el día sin un comercio, se podría estimar la distribución de los valores posibles de observaciones anteriores y marginar a cabo de manera que usted no se pierda la información de las observaciones ausentes.

La alternativa de utilizar el valor de la media distorsiona el parámetro de escala y distorsiona cualquier inferencia.

La tercera alternativa, a la espera hasta que todos ellos comparten una serie de tiempo, los desechos de la información.

Ver: http://www.bias-project.org.uk/papers/NonTechnicalMissingTalkSlides.pdf

Si usted nunca ha usado métodos Bayesianos, me envía una pregunta y voy a proporcionar alguna información adicional.

Answer 2

Has dos opciones:

• Sólo utilice las fechas para las cuales se dispone de datos para todos los activos

  1. Transformar el precio de los vectores a xts formato

     test <- xts([returnvector1], order.by=[column with date])
     

  2. Mezcla el precio individual de los vectores a un gran retorno de la matriz

     PriceMat <- merge(test1, test2, test3,..., by=["Date"], all=FALSE)
     

  3. Transformar la matriz del precio que devuelve la matriz biblioteca(quantmod)

     RetMat <- apply(PriceMat,2,Delt,type=geometric)
     

  Debería funcionar como este. Lo siento mucho pero no tengo la oportunidad de revisar el código.

• Rellenar con el valor de la media

  Usted podría primer transformar el precio de los vectores vectores de retorno, y la combinación de ellos después (merge(retvec1, retvec2, all=TRUE)). La matriz que se obtiene ahora, va a tener muchos valores de NA. Encontrar los NAs sobrescribe con significa-devuelve el activo individual