Financial Toolbox

主要特性

  • 平均方差和基于 CVaR 的面向对象的投资组合优化
  • 现金流分析、风险分析、金融时序建模、日期数学函数和日历数学函数
  • 基本的符合 SIA 标准的固定收益证券分析
  • 基本的 Black-Scholes、Black 和二项式期权定价
  • 缺失数据的回归和估计
  • 基本的 GARCH 估计、仿真和预测
  • 技术指标和金融图表
Example of a financial modeling application for options and asset portfolios.
针对期权和资产投资组合的示例金融建模应用程序。

资产配置和投资组合优化

Financial Toolbox 提供了一套全面的投资组合优化和分析工具,可用于执行资本分配、资产 配置和风险评估。通过这些工具,您可以:

  • 通过价格或回报数据对资产回报和总回报率进行阶矩估计
  • 计算投资组合层面的统计数据,如均值、方差、风险值 (VaR) 和条件风险值 (CVaR)
  • 在约束条件下执行投资组合均值-方差优化和分析
  • 剖析投资组合配置的时效演变趋势
  • 实施资本分配
  • 阐释投资组合优化问题中的周转率和交易成本
Sample portfolio optimization application built using MATLAB, Financial Toolbox, and object-oriented design.
利用 MATLAB、Financial Toolbox 以及面向对象的设计构建投资组合优化应用程序。该应用程序可通过交互方式选择投资组合、与基准进行比较、实现可视化以及报告重要业绩指标。

面向对象的投资组合构建和分析

投资组合优化对象提供了一个简化界面,用于定义和求解包括描述性元数据的投资组合优化问题。您可以指定投资组合名称、资产领域中的资产数和资产标识符。此外,还可以定义最始的资产组合配置。

该工具箱支持两种投资组合优化方法:

  • 均值-方差投资组合优化,以方差为风险代理。您可以将资产回报时刻定义为数组,或者定义为从矩阵中的回报时间序列或金融时间序列对象得到的预估。
  • CVaR 投资组合优化使用条件风险值 (CVaR) 作为风险代理。您可以利用资产回报数据仿真。

支持的约束包括:线性不等式、线性等式、边界、预算、分组、分组比率、平均周转率和单向周转率。

另外,您还可以在投资组合优化问题定义中使用交易成本。交易成本可应用于投资组合毛回报或净回报优化。交易成本既可以是比例值,也可以是固定值,并且整合为总回报的单位。

Efficient frontiers plot for a sample portfolio optimization problem.
具有以及没有比例交易成本 (TX) 和周转率 (TO) 约束的样本投资组合优化问题的有效边界图。
Plot comparing efficient frontiers computed from mean-variance portfolio optimization with CVaR portfolio optimization.
根据均值-方差投资组合优化与 CVaR 投资组合优化计算出的有效边界对比图。

错误检查和投资组合验证

投资组合优化对象可在构建投资组合期间提供错误检查。对于使用多个约束条件定义的复杂问题,在求解优化问题之前,先行验证投资组合优化的输入或输出,可以减少错误检查时间。系统提供了用于估计边界和检查问题可行性的方法。

有效投资组合和有效边界

根据目标,可以确定有效投资组合或有效边界。投资组合优化对象为两者都提供了方法。可以提供一个或多个目标风险或回报,对有效投资组合进行求解。

要在有效边界上获得最佳投资组合,您可以

  • 指定要查找的投资组合数
  • 在有效边界的端点上对最佳投资组合进行求解
  • 提取夏普比率最大化的投资组合

此外,您还可以在具有或没有周转率约束的情况下构建长-短期投资组合模型。

Plot of efficient frontiers with and without a turnover constraint of 130-30.
具有以及没有 130-30 周转率约束的有效边界图。实现夏普比率最大化的投资组合在 130-30 有效边界上标有 X。

后处理和交易报告

在确定投资组合的风险和回报后,便可以使用投资组合优化对象的各种方法:

  • 排查有问题的结果
  • 调整问题定义以形成有效的投资组合
  • 设置资产交易记录

投资组合对象支持以数据集数组的形式生成交易记录。可以使用数据集数组跟踪资产的购买和销售并捕捉要执行的交易。

风险分析和投资业绩

Financial Toolbox 提供一套全面的工具,用于分析和评估风险及投资业绩。

业绩指标包括:

  • 夏普比率
  • 信息比率
  • 跟踪误差
  • 风险调整后的回报
  • 样本矩和预期的下偏矩
  • 最大跌幅和预期的最大跌幅
Surface plot showing Sharpe ratio results.
曲面图,显示对每日回报数据的提前-错后、指数加权、 移动平均线交易策略的后验测试的夏普比率结果。

该工具箱提供了一组可用于信贷风险分析的工具,使您能够:

  • 预处理和估计信用评级数据的转移概率
  • 针对信用评级数据合并分类
  • 从转移概率转换至信用质量阈值,或执行反向操作
Corporate default rate forecasting example.
公司默认比率预测示例。该图显示了实际 默认值与预测默认值相比较的样本外后验测试结果,置信区间为 95%。

固定收益分析和期权定价

现金流分析

Financial Toolbox 提供货币的时间价值功能:

  • 计算当前价值和将来的价值
  • 确定名义值、有效值和修正后的内部回报率
  • 计算摊销和折旧
  • 确定贷款或年金的每期利率

基本符合 SIA 标准的固定收益证券分析

该工具箱可提供符合证券业协会(即 SIA)标准的分析,用于对政府、企业和市政固定收益
证券进行定价、收益和敏感度分析。具体分析包括:

  • 针对债券的完整现金流日期、现金流金额和时间到现金流的映射
  • 价格和到期收益率
  • 久期和凸性

利用 Financial Instruments Toolbox 可以对利率递增债券和零息债券进行定价。

基本的 Black-Scholes、Black 和二项式期权定价方式

通过 Financial Toolbox,您可以:

  • 利用 Black 和 Black-Scholes 公式实现股权定价标准市场模型
  • 计算期权指标的敏感度,如 lambda、theta 和 delta

借助 Financial Instruments Toolbox,可以使用一系列模型和方法(包括 Heath-Jarrow-Morton 和 Cox-Ross-Rubinstein 模型)对股权和固定收益衍生产品进行定价。

Plot showing the option Greeks gamma and delta for a portfolio of call options.
显示认购期权投资组合的期权指标 gamma(z 轴高度)和 delta (颜色)的图。

金融时序分析

Financial Toolbox 提供了一组工具,用于对金融市场中的时序数据进行分析。该工具箱包括一个支持以下功能的金融时序对象:

  • 日期运算,包括工作日和节假日
  • 数据转换和分析
  • 技术分析
  • 图表和图形

金融时序应用程序提供了一个方便的界面,用于创建、管理和处理金融时序对象(包括与 MATLAB® 数值数组之间进行转换)。此外,还可以通过该工具直接加载文件、数据库(使用 Database Toolbox)或金融数据馈送提供程序(使用 Datafeed Toolbox)中的数据。

Importing and visualizing stock data using the Financial Time Series tool.
使用金融时序应用程序导入和显示股票数据。可以导入数据、显示所选时序对象(左)、绘制所选时序对象图(右上)并通过数据馈送提供程序访问数据(右下)。

基本的 GARCH 估计、仿真和预测

Financial Toolbox 包括用于处理单变量 GARCH 模型的工具。这些工具有助于执行以下各项操作:

  • 通过高斯创新方法估计单变量 GARCH(p, q) 模型的参数
  • 对单变量 GARCH(p, q) 过程进行仿真
  • 预测条件方差

Econometrics Toolbox 包括用于处理其他 GARCH 模型的工具。

缺失数据的回归和估计

Financial Toolbox 提供的工具可在缺失或不缺失数据的情况下执行多元正态回归。您可以:

  • 根据底层模型执行常用回归,如似无关回归 (SUR)
  • 估计对数似然函数和标准误差以进行假设检验
  • 在缺失数据的情况下完成计算
Results of estimating CAPM model parameters with missing data.
在缺失数据的情况下估计 CAPM 模型参数的结果。可以在缺失数据的情况下进行估计(附加值为 t 统计量),意味着 GOOG Beta 系数在统计上没有显著异于零(左上),然后使用似无关回归确定 GOOG 的统计上显著的 Beta 系数(右下)。

缺失数据估计功能有助于确定数据质量对模型和仿真的影响。例如,可以阐释缺失数据对估计 CAPM 模型的系数的影响或对计算资产投资组合的有效边界的影响。缺失数据影响可能会导致明显不同的结果。

Plot showing the effect of missing data on the estimation of the mean-variance efficient frontier.
显示缺失数据对估计均值-方差有效边界的影响的图。红色的边界是通过删除样本数据中所有包含缺失数据的时间段来计算的。蓝色的边界是通过使用 ecmnmle 估计缺失数据的值来计算的。

技术指标和金融图表

Financial Toolbox 提供了许多众所周知的技术指标、业绩指标和专用图,其中包括:

  • 移动平均数
  • 振荡指标、随机指数、股价指数和指标
  • 最大跌幅和预期最大跌幅

图表,包括布林带、烛柱图和移动平均线

Graphical tool for exploring different types of financial charts and technical indicators.
用于探究不同类型的金融图表和技术指标的图形工具。