基于R中的再平衡概率创建股票投资组合

Question

我在R中使用了随机森林来获得股票属于某一类的概率。有了这些概率，我想构建包含数据集第一天概率最高的5只股票的投资组合，然后每10天用当时排名最高的股票重新平衡一次。投资组合的权重应该相等。

下面是一些我认为可以代表我的数据的示例数据。

Date <- rep(seq(as.Date("2009/01/01"), by = "day", length.out = 100), 10)
Name <- c(rep("Stock A", 100), rep("Stock B",100), rep("Stock C", 100), rep("Stock D", 100), rep("Stock E",100), rep("Stock F",100), rep("Stock G",100), rep("Stock H",100), rep("Stock I", 100), rep("Stock J", 100))
Return <- rnorm(1000)
Prob <- runif(1000)           
DF <- data.frame(Date, Name, Return, Prob)
DF <- DF %>% arrange(Date, desc(Prob))

> head(DF)
Date    Name      Return      Prob
1 2009-01-01 Stock F  0.52259644 0.8084277
2 2009-01-01 Stock A  0.57720376 0.7617348
3 2009-01-01 Stock B -0.09864981 0.7256358
4 2009-01-01 Stock E -1.26136381 0.6200346
5 2009-01-01 Stock G -1.37360527 0.5680765
6 2009-01-01 Stock D -0.04794049 0.4793370

因此，投资组合将在前10天包含股票F、A、B、E和G，然后用百分比最高的股票重新平衡。

我不太擅长编码和R，并尝试过使用PortfolioAnalytics、PerformanceAnalytics和tidyquant来寻找如何做到这一点的选项，但无法找到一个我了解如何做到的解决方案，因为我对使用任何形式的优化都不感兴趣。我需要一个简单的投资组合，由我计算的百分比决定，再平衡。

如果有人对我如何做到这一点有任何建议，我将不胜感激。如果这是发布这个问题的错误论坛，我很抱歉，并将在其他地方发布。

Answer 1

下面是如何使用PMwR包进行此操作的示例。(披露：我是软件包的维护者。(

让我从一个示例数据集开始：Kenneth French网站上的12个行业系列。请注意，我只使用这些数据来运行函数。

library("NMOF")
library("PMwR")
P <- French(dest.dir = "~/Downloads/French",
"12_Industry_Portfolios_daily_CSV.zip",
price.series = TRUE, na.rm = TRUE)
timestamp <- as.Date(row.names(P))

价格被存储在数据帧CCD_ 2中。每列包含一项资产的价格；每一行都有一个日期的价格。

你面临的主要问题是如何组织你的信号。我将创建随机信号，并将它们组织成逻辑矩阵。每行保存信号对于一个再平衡日期：如果要包括资产，则为TRUE；如果不包括，则为FALSE。

reb.dates <- timestamp[seq(from = 5, to = length(timestamp), by = 10)]
best.stocks <- t(replicate(length(reb.dates),
sample(c(rep(TRUE, 5), rep(FALSE, 7)))))
colnames(best.stocks) <- colnames(P)
head(data.frame(reb.dates, best.stocks))
##    reb.dates NoDur Durbl Manuf Enrgy ....  Hlth Money Other
## 1 1926-07-07  TRUE FALSE  TRUE  TRUE .... FALSE FALSE FALSE
## 2 1926-07-19 FALSE FALSE  TRUE  TRUE .... FALSE  TRUE FALSE
## 3 1926-07-30 FALSE  TRUE  TRUE FALSE .... FALSE FALSE FALSE
## 4 1926-08-11  TRUE  TRUE FALSE FALSE .... FALSE FALSE  TRUE
## 5 1926-08-23 FALSE FALSE  TRUE FALSE ....  TRUE  TRUE FALSE
## 6 1926-09-03 FALSE FALSE  TRUE  TRUE ....  TRUE FALSE FALSE

一旦你有了价格和这样的信号矩阵，实际的回溯测试不需要太多代码。

关键成分是signal函数。它在每个再平衡日期(即每10天(被调用，并查找并返回目标投资组合。

signal <- function(best.stocks, reb.dates) {
w <- numeric(ncol(Close()))    
w[best.stocks[Timestamp(0) == reb.dates]]  <- 1
w <- w/sum(w)
w
}
bt <- btest(prices = list(as.matrix(P)),
timestamp = timestamp,
signal = signal,
do.signal = reb.dates,
initial.cash = 100,
convert.weights = TRUE,
best.stocks = best.stocks,
reb.dates = reb.dates)
## see a performance summary 
summary(as.NAVseries(bt))
## see the trades
journal(bt)

有关使用该软件包的更多详细信息，请参阅本教程。