Taylor4.R

library(tidyverse)
library(NlcOptim)


data <- read.csv("raw_data/retornos.csv")[,-1]
# str(data)

source('momentos.R')



# vector fila de ceros: limite inferior que puede adoptar 'x'
v0 <- rep(0,dim(data)[2])
# class(v0)
# dim(v0)
# length(v0)


# vector fila de unos: limite superior que puede adoptar 'x'
v1 <- rep(1, dim(data)[2])
# class(v1)
# dim(v1)
# length(v1)


# vector fila de Condicion Inicial de tenencias: un guess de 'x'
v2 <- t(c(1, 0, 0, 0))
# class(v2)
# dim(v2)
# length(v2)


# Vector columa de costos de transaccion para cada activo.
k <- t(t(c(0.005, 0.026, 0.042, 0.062)))
# k <- t(t(c(0, 0, 0, 0)))

# class(k)
# dim(k)
# length(k)


# vector fila de unos
f <- t(rep(1, dim(data)[1]))
# class(f)
# dim(f)
# length(f)


# funcion de utilidad exponencial negativa sobre los retornos
eval_f <- function(x) {
  
  return( 
    
    # x <- c(0.25, 0.25, 0.25, 0.25) # para chequear que la funcion de un numero como resultado.
    
    -1 * ( (1/n) * (f %*% t(   -exp (-j*( f + x %*% t(data) -  as.numeric(abs(x-v2) %*% k)  ))
                            )
                    )
          )
  )
}


# Restriccion de tenencias no negativas
eval_g <- function(x) {
  
  return( v1 %*% x -1 )
  
}



n <- dim(data)[1]


demandas <- data.frame()

for (j in 1:5){


T1 <- solnl( X = v2,
             objfun = eval_f,
             Aeq = t(v1),
             Beq = 1,
             lb = v0,
             ub = v1
             )

demandas <- rbind(demandas, round(T1$par,6))

}


colnames(demandas) <- colnames(data)

demandas$aversion_riesgo <- c(1,2,3,4,5)

demandas_aux <- gather(demandas, -5, key = 'activo', value = 'tenencia')

ggplot(demandas_aux,
       aes(x = aversion_riesgo, y = tenencia, color=activo))+
  geom_line()+
  geom_point()