optymalizacja - glide path

[msz13]

• porównać wyznaczanie glide path miedzy metodą z msci, a genertic algorytm
• msci
  • doprowadzić do glide path, które się zmniejsza
  • zrobić symulację ze stopą procentową, albo inflacją, a nie tbsp
  • zrobić algorytm, ktory sprawdza nalepsze porfolio w zakresie od poprzedniego, do zerowego
• genetic
  • zrobić customową funkcję mutacji
  • zrobić warunek stop loss

sprawdzić glide path z wpłatami i bez

• poprawić crossover function - dodac crossover probability

• dodac jit compilation

• wybrać utility function

• symulacja z wygenerowanymi esg (edo i akcje)

• zrefaktorowac kod

• crossoveprob dodac do crossover function

• simulation

  • koszty
  • podatki

multigoal optimisat z plug in:

• [ ] sprawdzic stary model
• [ ] dodac outflows
• [ ] optymalizacja jednego celu
• [ ]
• [ ] optymalizacja kilku celow
• [ ] obliczenie wymaganego kapitału

Dylemat:

• optymalizacja msci, dwa kroki: zrobienie glide paths, i pozniej symulacja konkretnych portfeli
• całosciowy model z wieloma celami na raz

na razie wybieram msci

• jest prostrzy
• potencjalnie daje mozliwosc w esxcelu
• podzial budzetu na cele daje wieksza wyobraznie

TODO problem: glide path sa neistabilne dla roznych zainwestowanych kwot i inputow niskie stopy zwrotu, czyli moze cos nie tak zrobic refactor optymizacja glide path dla roznych czasów i ryzyk 5,10,20 lat 5,15,25,35,45

zrobic wlasciwa symulacje

Analiza wrażliwośći

• od czasu i ryzyka
• dla kilku przeprowadzonych symulacji
• od proporcji miedzy initial kapital i inflows

TODO

• [ ] fitness function z innym bardziej zaawansowanym symulatorem
• [ ] [ ] zrefaktorowac fintess function

[msz13]

refactor

optimiser = Optimiser(returns, optimiser=Ga(..), fitness=MaxPercentileValue(risk, iniciatl_capital, inflows))

result = optiser.run()

[msz13]

prosta optymalizacja

jesli wrost bedzie wokol mediany, to porfolio zostaje na glide path, jesli bedzie spadek, to trzeba bedzie zwiekszyc rysyko jak wrost, to zmniejszyc

jesli by zalozyc stale ryzyko, a zmniejszac na pozniejszych etapach, to przy wrostach wiekszych niz oczekiwane, nie ma problemu

natomiast przy mniejszych, lub takich samych, jak w przyszlosci bedzie sie ccialo zmniejszych ryzyko (glide path), to srodki moga byc niewystarczajace

[msz13]

dopracowac glide path na podstawie czasu porfolio nie schodza rownomiernie

• sprawdzic resampling - wygenerowanie n glide paths z roznymi symulacjami i wyciagniecie sredniej
• zrobić dla symulacje dla porfolio - 0,20,40,60,80,100
• oszacowac wlasciwe scenario

[msz13]

• [x] test szybkosci
• [x] sprawdzan z porfolio 100/80/60/..
• [x] refactor to resampling
• [x] symulacja: dla glide path z 1, obliczenie wymaganej kontrybucji na podstawienie cagr z stopy zwrotu z symulacji, ponowna symulacja z kontybucjami
• [ ] sprawdzenie skumulowanych realnych stypow zwrotow
• [ ] dodac optymalizacje numba
• [ ] ewentualnie objective function - percentile, dla wszystkich ryzyk
• [ ] tablica glide stóp zwrotow

okres inwestycji | 10 | 20 | .. |

• zwykle

• deffered

• [ ] tabela glide paths

| ryzyko |