R语言 rportfolios包 ractive()函数中文帮助文档(中英文对照)

loveR

ractive(rportfolios)
ractive()所属R语言包：rportfolios

                                         Generate random active portfolios
                                         产生随机的积极投资组合

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function generates m random actively managed portfolios relative to a given benchmark portfolio. Each portfolio is the combination of a benchmark portfolio and a notional neutral long short portfolio with given gross notional exposure. The number of non zero positions in the long short portfolios is k.
此功能会产生m个随机相对于一个给定的基准投资组合的积极管理投资组合。每个基金组合的基准投资组合的名义中性的长的短的投资组合的总名义曝光。非零位置的长的短的投资组合的数量为k。


用法----------Usage----------


ractive(m, x.b, x.g, k = length(x.b), max.iter = 2000, eps = 0.001)



参数----------Arguments----------

参数：m
A positive integer value for the number of portfolios in the sample  
用一个正整数的投资组合的样本中


参数：x.b
A numeric vector with the investment weights in the benchmark portfolio  
一个数字的基准投资组合的投资权重向量，


参数：x.g
A positive numeric value for the gross notional exposure in the long short portfolio  
正数值的总名义曝光的长的短的组合


参数：k
A positive integer value for the number of non zero positions in the long short portfolio  
用一个正整数的长的短的投资组合中的非零位置


参数：max.iter
A positive integer value for the maximum iterations for the long short portfolio  



参数：eps
A small positive real value for the convergence criteria for the gross notional exposure  
一个小的正实值的收敛准则，总名义曝光


Details

详细信息----------Details----------

The function executes the function random.active using the R function sapply.  The result returned is the transpose of the matrix generated in the previous step.
该功能执行的功能random.activeR函数sapply，。返回的结果是在先前步骤中产生的矩阵的转置。


值----------Value----------

A numeric m \times n matrix.  The rows are the portfolios and the columns are the investment weights for each portfolio
一个数字m \times n矩阵。该行的投资组合和列是每个投资组合的投资权重


（作者）----------Author(s)----------


Frederick Novomestky <a href="mailto:fnovomes@poly.edu">fnovomes@poly.edu</a>



参考文献----------References----------

Approach for Providing Superior Returns and Controlling Risk, Second Edition, McGraw-Hill, New York, NY.
Chapman \&amp; Hall, London, UK.
London, UK.

参见----------See Also----------

random.active
random.active


实例----------Examples----------


###[＃＃]
### benchmark consists of 20 equally weighted investments[＃＃基准测试包括20同样加权投资]
###[＃＃]
x.b <- rep( 1, 30 ) / 30
###[＃＃]
### the gross notional exposure of the long short portfolio is a benchmark weight[＃＃总名义曝光的长的短的投资组合的基准权重]
###[＃＃]
x.g <- 1 / 30
###[＃＃]
### generate 100 random active portfolios with 30 non zero positions in the long short portfolios[＃＃随机生成100个有效投资组合的长的短的投资组合中的30个非零位]
###[＃＃]
x.matrix <- ractive( 100, x.b, x.g )
###[＃＃]
### generate 100 random active portfolios with 10 non zero positions in the long short portfolios[＃＃随机生成100个有效投资组合的长的短的投资组合中的10个非零位]
###[＃＃]
y.matrix <- ractive( 100, x.b, x.g, 10 )

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。