/// <summary>
/// Считывает данные из файла по доходностям компаний
/// </summary>
/// <param name="sender"></param>
/// <param name="e"></param>
private void получитьДанныеItem_Click(object sender, EventArgs e)
{
openFile.InitialDirectory = Environment.GetFolderPath(Environment.SpecialFolder.DesktopDirectory);
openFile.Filter = "csv files (*.csv)|*.txt|All files (*.*)|*.*";
openFile.FilterIndex = 2;
openFile.RestoreDirectory = true;
if (openFile.ShowDialog() == DialogResult.OK)
{
table = new TableOfPrice(openFile.FileName);
UpdateGrid();
}
}
/// <summary>
/// Генерирует оптимальный портфель по Марковицу
/// </summary>
/// <param name="table">Таблица с ценами акций </param>
/// <param name="mp">Ограничение для мат. ожидания в процентах</param>
/// <param name="Dp">Возвращает дисперсию процентах</param>
/// <returns></returns>
public static double[] Markowitz(TableOfPrice table, double mp, out double Dp)
{
mp = mp / 100;
//Число компаний
int n = table.CompanyCount();
//Количество данных о каждой(объемы выборок)
int T = table.RecordCount();
double[] x = new double[n];
//Генерируем матрицу доходностей
Matrix incomes = new Matrix(T, n);
//Заполгяем матрицу доходов
for (int i = 1; i < incomes.CountRow; i++)
{
for (int j = 0; j < incomes.CountColumn; j++)
{
//Доход за промежуток времени
incomes[i, j] = (table.Price[i, j] - table.Price[i - 1, j]) / table.Price[i - 1, j];
}
}
//Запись матрицы в файл
using (StreamWriter sw = new StreamWriter(Environment.CurrentDirectory + "/incomes.csv"))
{
sw.WriteLine(incomes.ToString());
}
//Подсчитаем теперь среднюю доходность и риск по каждой из акций
double[] m = new double[n];
double[] sigma = new double[n];
//Средний доход
for (int i = 0; i < m.Length; i++)
{
for (int j = 0; j < incomes.CountRow; j++)
{
m[i] += incomes[j, i];
}
m[i] = m[i] / incomes.CountRow;
}
//Считаем риск(волантильность)
for (int i = 0; i < m.Length; i++)
{
for (int j = 0; j < incomes.CountRow; j++)
{
sigma[i] += (incomes[j, i] - m[i]) * (incomes[j, i] - m[i]);
}
sigma[i] = Math.Sqrt(sigma[i] / (incomes.CountRow - 1));
}
//Далее считаем матрицу ковариаций
Matrix V = new Matrix(n, n);
for (int i = 0; i < V.CountRow; i++)
{
for (int j = 0; j < V.CountColumn; j++)
{
//Считаем среднее попарных произведений отклонений ( то есть ковариацию)
for (int k = 0; k < T; k++)
{
//Суммируем
V[i, j] += (incomes[k, i] - m[i]) * (incomes[k, j] - m[j]);
}
//Усредняем
V[i, j] = V[i, j] / T;
}
}
//Запись ковариационной матрицы в файл
using (StreamWriter sw = new StreamWriter(Environment.CurrentDirectory + "/V.csv"))
{
sw.WriteLine(V.ToString());
}
//Единичный столбец (матрица из одного столбца и n строк)
Matrix I = new Matrix(n, 1);
for (int i = 0; i < n; i++)
{
I[i, 0] = 1;
}
//Массив m как матрица
Matrix M = new Matrix(n, 1);
for (int i = 0; i < n; i++)
{
M[i, 0] = m[i];
}
//Получаем обратную матрицу
Matrix Vinv = V.Inv();
Matrix a11 = I.Transpose() * Vinv * I;
Matrix a12 = I.Transpose() * Vinv * M;
Matrix a22 = M.Transpose() * Vinv * M;
double d = a11[0, 0] * a22[0, 0] - a12[0, 0] * a12[0, 0];
Matrix b = (a22[0, 0] * (Vinv * I) - a12[0, 0] * (Vinv * M)) / d;
Matrix c = (a11[0, 0] * (Vinv * M) - a12[0, 0] * (Vinv * I)) / d;
Matrix X = b + mp * c;
//Запись решения в файл
using (StreamWriter sw = new StreamWriter(Environment.CurrentDirectory + "/X.csv"))
{
sw.WriteLine(X.ToString());
}
//Копируем в массив
for (int i = 0; i < n; i++)
{
x[i] = X[i, 0];
}
//Подсчет дисперсии
Dp = (X.Transpose() * V * X)[0, 0] * 100 * 100;
return(x);
}
/// <summary>
/// Генерирует оптимальный портфель по Шарпу
/// </summary>
/// <param name="table">Таблица с ценами акций </param>
/// <param name="mp">Ограничение для мат. ожидания в процентах</param>
/// <param name="PriceI">Цена эталонного портфеля</param>
/// <param name="Dp">Возвращает дисперсию процентах</param>
/// <returns></returns>
public static double[] Sharp(TableOfPrice table, double[] PriceI, double mp, out double Dp)
{
mp = mp / 100;
//Число компаний
int n = table.CompanyCount();
//Количество данных о каждой(объемы выборок)
int T = table.RecordCount();
double[] x = new double[n];
//Анализируем эталонный портфель
double[] RI = new double[T];
for (int i = 1; i < RI.Length; i++)
{
//Доход за промежуток времени
RI[i] = (PriceI[i] - PriceI[i - 1]) / PriceI[i - 1];
}
//Статичтические значения для эталонного портфеля
//М.о. дохода
double mI = 0;
for (int i = 0; i < RI.Length; i++)
{
mI += RI[i];
}
mI = mI / RI.Length;
//Дисперсии оценка
double DI = 0;
for (int i = 0; i < RI.Length; i++)
{
DI += (RI[i] - mI) * (RI[i] - mI);
}
DI = DI / (RI.Length - 1);
//Генерируем матрицу доходностей
Matrix incomes = new Matrix(T, n);
//Заполгяем матрицу доходов
for (int i = 1; i < incomes.CountRow; i++)
{
for (int j = 0; j < incomes.CountColumn; j++)
{
//Доход за промежуток времени
incomes[i, j] = (table.Price[i, j] - table.Price[i - 1, j]) / table.Price[i - 1, j];
}
}
//Запись матрицы в файл
using (StreamWriter sw = new StreamWriter(Environment.CurrentDirectory + "/incomes.csv"))
{
sw.WriteLine(incomes.ToString());
}
//Подсчитаем теперь среднюю доходность и риск по каждой из акций
double[] m = new double[n];
double[] D = new double[n];
//Средний доход
for (int i = 0; i < m.Length; i++)
{
for (int j = 0; j < incomes.CountRow; j++)
{
m[i] += incomes[j, i];
}
m[i] = m[i] / incomes.CountRow;
}
//Считаем риск(волантильность)
for (int i = 0; i < m.Length; i++)
{
for (int j = 0; j < incomes.CountRow; j++)
{
D[i] += (incomes[j, i] - m[i]) * (incomes[j, i] - m[i]);
}
D[i] = D[i] / (incomes.CountRow - 1);
}
//Ковариация эталанного портфеля с остальными
double[] VIi = new double[n];
for (int i = 0; i < VIi.Length; i++)
{
for (int j = 0; j < T; j++)
{
VIi[i] += (incomes[j, i] - m[i]) * (RI[j] - mI);
}
VIi[i] = VIi[i] / (T - 1);
}
//К-ты бетта
double[] betta = new double[n];
for (int i = 0; i < betta.Length; i++)
{
betta[i] = VIi[i] / DI;
}
//К-ты альфа
double[] alpha = new double[n];
for (int i = 0; i < alpha.Length; i++)
{
alpha[i] = m[i] - betta[i] * mI;
}
double[] psi = new double[n];
for (int i = 0; i < psi.Length; i++)
{
for (int j = 0; j < T; j++)
{
psi[i] += (incomes[j, i] - alpha[i] - betta[i] * RI[j]) * (incomes[j, i] - alpha[i] - betta[i] * RI[j]);
}
psi[i] = psi[i] / (T - 2);
}
//Далее считаем матрицу ковариаций
Matrix V = new Matrix(n, n);
for (int i = 0; i < V.CountRow; i++)
{
for (int j = 0; j < V.CountColumn; j++)
{
if (i == j)
{
V[i, j] = betta[i] * betta[i] * DI + psi[i];
}
else
{
V[i, j] = betta[i] * betta[j] * DI;
}
}
}
//Запись ковариационной матрицы в файл
using (StreamWriter sw = new StreamWriter(Environment.CurrentDirectory + "/V.csv"))
{
sw.WriteLine(V.ToString());
}
//Единичный столбец (матрица из одного столбца и n строк)
Matrix I = new Matrix(n, 1);
for (int i = 0; i < n; i++)
{
I[i, 0] = 1;
}
//Массив M из регрессионной модели
Matrix M = new Matrix(n, 1);
for (int i = 0; i < n; i++)
{
M[i, 0] = alpha[i] + betta[i] * mI;
}
SaveArray(alpha, Environment.CurrentDirectory + "/alpha.csv");
SaveArray(betta, Environment.CurrentDirectory + "/betta.csv");
SaveArray(psi, Environment.CurrentDirectory + "/psi.csv");
SaveArray(D, Environment.CurrentDirectory + "/D.csv");
SaveArray(VIi, Environment.CurrentDirectory + "/VI.csv");
double[] arr = new double[1];
arr[0] = DI;
SaveArray(arr, Environment.CurrentDirectory + "/DI.csv");
//Получаем обратную матрицу
Matrix Vinv = V.Inv();
Matrix a11 = I.Transpose() * Vinv * I;
Matrix a12 = I.Transpose() * Vinv * M;
Matrix a22 = M.Transpose() * Vinv * M;
double d = a11[0, 0] * a22[0, 0] - a12[0, 0] * a12[0, 0];
Matrix b = (a22[0, 0] * (Vinv * I) - a12[0, 0] * (Vinv * M)) / d;
Matrix c = (a11[0, 0] * (Vinv * M) - a12[0, 0] * (Vinv * I)) / d;
Matrix X = b + mp * c;
//Запись в файл
using (StreamWriter sw = new StreamWriter(Environment.CurrentDirectory + "/b.csv"))
{
sw.WriteLine(b.ToString());
}
using (StreamWriter sw = new StreamWriter(Environment.CurrentDirectory + "/c.csv"))
{
sw.WriteLine(c.ToString());
}
//Запись решения в файл
using (StreamWriter sw = new StreamWriter(Environment.CurrentDirectory + "/X.csv"))
{
sw.WriteLine(X.ToString());
}
//Копируем в массив
for (int i = 0; i < n; i++)
{
x[i] = X[i, 0];
}
//Подсчет дисперсии
Dp = (X.Transpose() * V * X)[0, 0] * 100 * 100;
return(x);
}