PortfolioAnalytics不同资产收益矩下返回相同投资组合及boudt矩功能失效问题咨询

问题描述 #

我正在使用R语言的PortfolioAnalytics包回测不同投资组合优化方法，流程如下：

1. 运行标准均值-方差优化
2. 用MASS包的MCD、MVE两种稳健估计优化资产收益的方差-协方差矩阵
3. 尝试结合Boudt收益矩估计，用optimize.portfolio.rebalancing进行滚动再平衡优化

但遇到两个问题：

• 前三次优化（标准方法、MCD、MVE）的回测结果完全一致（绩效图对比可看出）
• 使用Boudt矩估计时出现两条警告，且投资组合输出有缺陷：

  1: In Return.portfolio(ret, weights = extractWeights(opt_Boudt)) : number of assets in beginning_weights is less than number of columns in returns, so subsetting returns.
  2: In Return.portfolio.geometric(R = R, weights = weights, wealth.index = wealth.index,: The weights for one or more periods do not sum up to 1: assuming a return of 0 for the residual weights
  

可复现代码 #

library(xts)
library(PortfolioAnalytics)
library(ROI)
library(MASS)
data("edhec")
ret = edhec[,1:6]
port <- portfolio.spec(assets = colnames(ret))
port <- add.constraint(port, "long_only")
port <- add.constraint(port, "full_investment")
port <- add.objective(port, type = "Risk", name = "StdDev")
port <- add.objective(port, type = "return", name = "mean")

# Standard Optimization
opt_norm <- optimize.portfolio.rebalancing(R = ret, portfolio = port, optimize_method = "ROI", rebalance_on = "months", training_period = 60, rolling_window = NULL)
summary(opt_norm)
rr_norm <- Return.portfolio(ret, weights = extractWeights(opt_norm))
charts.PerformanceSummary(rr_norm)

# Robust MCD-VarCov Optimization
custom_fun <- function(R, portfolio, rob_method = "mcd"){
 out <- list()
 out$sigma <- cov.rob(R, method = rob_method)
 return(out)
}
opt_MCD <- optimize.portfolio.rebalancing(R = ret, portfolio = port, optimize_method = "ROI", momentFUN = custom_fun, rob_method = "mcd", rebalance_on = "months", training_period = 60, rolling_window = NULL)
summary(opt_MCD)
rr_MCD <- Return.portfolio(ret, weights = extractWeights(opt_MCD))
charts.PerformanceSummary(rr_MCD)

# Robust MVE-VarCov Optimization
opt_MVE <- optimize.portfolio.rebalancing(R = ret, portfolio = port, optimize_method = "ROI", momentFUN = custom_fun, rob_method = "mve", rebalance_on = "months", training_period = 60, rolling_window = NULL)
summary(opt_MVE)
rr_MVE <- Return.portfolio(ret, weights = extractWeights(opt_MVE))
charts.PerformanceSummary(rr_MVE)

# Boudt Optimization
boudt_moments <- set.portfolio.moments(R = ret, portfolio = port, method = "boudt", k = 1)
opt_Boudt <- optimize.portfolio.rebalancing(R = ret, portfolio = port, optimize_method = "ROI", momentFUN = boudt_moments, rebalance_on = "months", training_period = 60, rolling_window = NULL)
rr_Boudt <- Return.portfolio(ret, weights = extractWeights(opt_Boudt))
charts.PerformanceSummary(rr_Boudt)

具体问题 #

1. 为何前三次优化回测（标准方法、MCD方差-协方差法、MVE方差-协方差法）返回完全相同的结果？
2. 在尝试使用“boudt”资产收益矩估计时，我操作上存在哪些错误？

另外这是我第一次在Stack Overflow提问，希望能得到关于如何提升提问质量的建议。感谢各位的帮助！

解答 #

问题1：三种优化结果一致的原因 #

你的自定义矩函数custom_fun存在两个关键问题，导致它没有真正替换默认的矩估计逻辑：

1. 协方差矩阵提取错误：cov.rob()返回的是一个包含协方差矩阵、均值等元素的列表，你直接把整个列表赋值给out$sigma，但PortfolioAnalytics期望sigma是纯协方差矩阵，所以实际优化时还是用了默认的协方差估计。
2. 缺少均值估计返回：你只返回了协方差相关内容，没有返回均值mu，优化过程会自动使用默认的均值估计，进一步导致和标准优化的矩输入完全一致。

修改后的custom_fun应该是：

custom_fun <- function(R, portfolio, rob_method = "mcd"){
  out <- list()
  # 提取协方差矩阵本身，而非完整的cov.rob结果
  out$sigma <- cov.rob(R, method = rob_method)$cov
  # 返回自定义均值（这里用稳健估计的均值，也可以用colMeans）
  out$mu <- cov.rob(R, method = rob_method)$center
  return(out)
}

问题2：Boudt矩估计的操作错误 #

你错误地将set.portfolio.moments()的运行结果传给了momentFUN参数，但momentFUN需要的是一个可在每个滚动窗口中重新计算矩的函数，而不是一次性生成的矩对象。

正确的做法是直接传递set.portfolio.moments函数本身，并附带所需参数，这样每个滚动期都会重新计算Boudt矩：

opt_Boudt <- optimize.portfolio.rebalancing(
  R = ret, 
  portfolio = port, 
  optimize_method = "ROI", 
  # 传递函数本身，而非函数运行结果
  momentFUN = set.portfolio.moments,
  # 传递set.portfolio.moments需要的参数
  method = "boudt", 
  k = 1,
  rebalance_on = "months", 
  training_period = 60, 
  rolling_window = NULL
)

提升提问质量的建议 #

你已经做得非常好了（提供可复现代码、明确错误信息、清晰问题），可以再优化几点：

• 标题更精准：比如改成“PortfolioAnalytics: 3 optimization methods return identical results + Boudt moment estimation warnings”，让其他开发者一眼抓住核心问题
• 格式化错误信息：把警告信息用代码块包裹，提升可读性
• 补充环境信息：加上sessionInfo()的输出（R版本、各包版本），不同版本可能存在兼容性差异
• 补充结果细节：比如前三种优化的权重片段、绩效指标（年化收益、波动率），帮助更快定位问题
• 拆分独立问题：如果两个问题关联性不强，可以拆成两个提问，但这次两个问题都围绕矩估计，放在一起没问题

内容的提问来源于stack exchange，提问作者JB97