О портфельном оптимизаторе
📊 Портфельный Оптимизатор
❗️Содержимое данной программы не является индивидуальной инвестиционной рекомендацией. Все инвестиционные решения вы принимаете самостоятельно.
📖 О программе
Интерактивное веб-приложение для оптимизации инвестиционного портфеля с использованием различных методов оптимизации и моделей прогнозирования волатильности.
Автор: Бровцев Даниил Сергеевич (2026), dsbrovtsev@edu.hse.ru
🚀 Возможности
| Функция | Описание |
|---|---|
| 📊 Данные опроса | Анализ фактических данных частных инвесторов |
| 👤 Риск-профиль | Определение профиля инвестора на основе 8 вопросов с подсказками |
| 📈 Анализ активов | Динамика цен, доходность, распределение, корреляционная матрица |
| ⚡ Оптимизация | 7 методов оптимизации портфеля |
| 📉 Прогнозирование | 6 моделей прогнозирования волатильности |
| 📉 Риск-метрики | VaR, CVaR, просадки, волатильность |
📈 Методы оптимизации
| Метод | Описание |
|---|---|
| Equal Weight | Равное распределение капитала между всеми активами |
| Inverse Volatility | Веса обратно пропорциональны волатильности |
| Minimum Variance | Портфель с минимальной дисперсией (наименьший риск) |
| Risk Parity | Равный вклад каждого актива в общий риск портфеля |
| Tangency | Максимизация коэффициента Шарпа (доходность/риск) |
| Risk Aversion | Учет индивидуальной склонности к риску (параметр γ) |
| Tobin | Разделение на рисковую и безрисковую части |
📊 Модели прогнозирования волатильности
GARCH(1,1)
Базовая модель, учитывает кластеризацию волатильности. Сегодняшняя волатильность зависит от вчерашней волатильности и вчерашнего шока.
EGARCH (Exponential GARCH)
Учитывает асимметрию (леверидж-эффект): отрицательные шоки (падения) оказывают большее влияние на будущую волатильность, чем положительные (росты).
GJR-GARCH (Glosten-Jagannathan-Runkle GARCH)
Альтернативная модель асимметрии, использующая пороговую переменную.
FIGARCH (Fractionally Integrated GARCH)
Учитывает долгосрочную память (persistence). Влияние шоков на волатильность сохраняется очень долго. Подходит для активов с длительными периодами высокой волатильности.
DCC-GARCH (Dynamic Conditional Correlation GARCH)
Многомерная модель, которая позволяет корреляциям между активами меняться во времени. Учитывает динамику взаимосвязей между разными активами.
LSTM-GARCH (Long Short-Term Memory GARCH)
Гибридная модель, где LSTM-сеть (нейросеть) улавливает сложные нелинейные паттерны в данных, а GARCH компонент моделирует волатильность. Обеспечивает высокую точность прогнозов.
🛠 Технологии
- R 4.3+ - язык программирования
- Shiny - веб-фреймворк
- plotly - интерактивная визуализация
- rugarch/rmgarch - GARCH модели
Определение риск-профиля инвестора
📊 Оценка инвестиционного профиля
Ответьте на вопросы, чтобы определить ваш риск-профиль. Результат будет использован для персонализации стратегии пенсионного портфеля.