以下序列的例子强调金融工具箱™组合对象的特性。具体地说,使用组合对象的示例显示如何设置均值-方差投资组合优化的问题集中在两名基金定理,交易成本和营业额约束的影响,如何获得夏普比率最大化的投资组合,以及如何设置两种流行的对冲基金策略- dollar-neutral和130 - 30的投资组合。

表明优化组合最大化的信息比相对于市场基准。

执行,val的投资组合策略使用val框架中实现MATLAB®。val的对比是一个有用的工具在历史或投资策略执行模拟的市场数据。这个例子发展五个不同的投资策略,然后比较他们的表现在运行了一段历史的股票数据。MATLAB®val框架中实现两类:backtestStrategy backtestEngine。

执行,val的组合投资策略,将信号在他们的交易策略。信号一词包含的任何信息,作者需要对战略资产的历史价格以外的交易决策。这些信息可以包括技术指标、机器学习模型的输出,人气数据,宏观经济数据,等等。这个示例使用三个简单的投资策略基于导数信号数据:

使用深度学习模型,然后构造交易策略,val的策略在金融工具箱™val框架。例子使用深度学习工具箱™的火车从一组时间序列和预测模型演示了模型的输出转换成所需的步骤交易信号。它构建一个各种各样的交易策略,在5年时间内,val信号数据。

使用组合对象为投资组合优化,包括一个社会绩效衡量女性的比例在公司董事会。相同的工作流可以应用与其他环境、社会和治理(ESG)标准,如环境、社会和治理分数,气候,或温度的分数。

资产多样化投资组合的三种技术。资产多样化的目的是平衡投资组合的风险,任何给定的资产以减少波动一段时间。给定的敏感性最小方差组合协方差矩阵的估计,一些从业者多元化技术添加到投资组合选择希望减少风险的措施除了方差营业额等措施,最大限度的减少等等。

使用riskBudgetingPortfolio创建一个预算投资组合和portfolioRiskContribution计算风险资产的投资组合风险的贡献。

使用val风险平价或等于风险贡献作为一个基于风险的指数化策略重新平衡大约每个月。在本例中,您使用val引擎(backtestEngine)创建风险平价策略,所有资产的投资组合,投资组合的风险在每个平衡时期。

计算风险分层平价(合)的投资组合。您可以使用合作为投资组合多样化的技术资产划分和加权根据分层树结构。资产的权重在集群和集群之间在很多方面可以分配。一些想法分配权重的方法有:

使用深度学习模型,然后构造交易策略,val的策略在金融工具箱™val框架。例子使用深度学习工具箱™的火车从一组时间序列和预测模型演示了模型的输出转换成所需的步骤交易信号。它构建一个各种各样的交易策略,在5年时间内,val信号数据。

使用组合对象来构造最优投资组合的20和30年期公债,将一段一个月举行。整个资产配置过程的工作流程是: