投资组合分析包中的自定义预期回报

我无法将自定义预期回报纳入投资组合分析包中。通常预期回报是一些专业期望/观点或与基本指标分开计算。投资组合分析允许创建自定义矩函数来计算过去收益的矩，但我不明白如何将已计算的收益合并到优化问题中。感谢任何帮助，这里是一个小示例数据集：

#Download package and sample returns
library(PortfolioAnalytics) 
library(PerformanceAnalytics)
data(edhec)
returns <- tail(edhec[,1:4], 10)

#Example expected return xts that I'm usually working with. Calculated separately.
N <- 10
M <- 4
views <- as.xts(data.frame(matrix(rnorm(N*M,mean=0,sd=0.05), N, M)), order.by = index(returns))
colnames(views) <- colnames(returns)

让我们创建具有一些目标的基本投资组合。

pf <- portfolio.spec(assets = colnames(returns))
pf <- add.constraint(portfolio = pf, type = "full_investment")
pf <- add.constraint(portfolio = pf, type = "long_only")
pf <- add.objective(portfolio = pf, type = "return", name = "mean")
pf <- add.objective(portfolio = pf, type = "risk", name = "StdDev")

现在我想优化每个时期的投资组合并考虑观点（该时期的预期回报），但此时我已经没有想法了。

我现在意识到，在设置赏金后，问题已经得到解答here https://stackoverflow.com/questions/26745976/create-efficient-frontier-in-portfolioanalytics-without-an-xts-object%20here。我将尽我所能地进行总结。

你打电话时optimize.portfolio，有一个可选参数momentFUN，它定义了您的投资组合的时刻。它的论据之一是momentargs，你可以通过optimize.portfolio.

首先，您需要选择一组预期回报。我假设你的最后一个条目views时间序列：

my.expected.returns = views["2009-08-31"] 

您还需要自己的协方差矩阵。我会根据你的计算出来returns:

my.covariance.matrix = cov(returns)

最后，您需要定义momentargs，这是一个包含以下内容的列表mu（您的预期回报），sigma（你的协方差矩阵），以及第三和第四矩（我们将其设置为零）：

num_assets = ncol(current.view)
momentargs = list()
momentargs$mu = my.expected.returns
momentargs$sigma = my.covariance.matrix
momentargs$m3 = matrix(0, nrow = num_assets, ncol = num_assets ^ 2)
momentargs$m4 = matrix(0, nrow = num_assets, ncol = num_assets ^ 3)

现在您已准备好优化您的投资组合：

o = optimize.portfolio(R = returns, portfolio = pf, momentargs = momentargs)