La estrategia óptima de reequilibrio tiene en cuenta factores como i) la función objetivo, ii) las ponderaciones actuales de la cartera, iii) el vector de rentabilidad esperada que contiene las opiniones/previsiones de alfa actualizadas, iv) la incertidumbre en las previsiones de alfa, v) los costes de transacción, vi) la aversión al riesgo y vii) las limitaciones (long-only, rotación, etc.).
Pregunta - ¿Existe alguna biblioteca en R que devuelva el vector de pesos óptimo en función de estas entradas y los informes correspondientes? O debo seleccionar una de las muchos optimizadores en R y construir todos los maravillosos informes de optimización (presupuesto de riesgo, contribución al riesgo, etc.) que el equipo de rmetrics ya ha hecho?
A continuación describo por qué el paquete rmetrics no resuelve el problema:
El reto es que el procedimiento de optimización de rmetrics identifica la cartera óptima sin referencia al vector actual de ponderaciones de la cartera, las previsiones alfa actualizadas y los costes de las transacciones. El procedimiento correcto realizado periódicamente consistiría en especificar la trayectoria de la cartera a lo largo de una línea en la que el coste marginal de las transacciones se compensara justo con el rendimiento marginal esperado (o la reducción marginal del riesgo) en la función de utilidad. La rentabilidad marginal sería el resultado de un modelo de previsión en lugar de utilizar la rentabilidad media. El fPortfolioBacktest se anticipa a este problema e intenta suavizar el cambio de las ponderaciones de un periodo a otro. Pero podemos hacerlo mejor haciendo que el optimizador se enfrente a la compensación directamente.
