Использование ковариационной матрицы для оптимизации портфеля в R

У меня есть вопрос относительно оптимизации портфеля в R. Я очень новичок в R и пытался изучить и посмотреть ответы, но я не уверен, что это правильно. Надеюсь, кто-нибудь сможет мне помочь.

Я получил ковариационную матрицу из модели активов с использованием эконометрической модели (здесь я использую DCC GARCH для моделирования моей доходности активов). После того, как я сделаю прогноз, я получу матрицу ковариации. Итак, теперь, как я могу использовать эту ковариационную матрицу для оптимизации портфеля с помощью пакет fPortfolio? Большинство примеров, которые я нашел, используют только доходность активов для оптимизации портфеля. Но как насчет того, чтобы использовать прогнозируемое среднее и дисперсионную ковариацию доходности активов для создания оптимальных моделей распределения активов?

У меня есть следующий воспроизводимый код.

library(zoo)

library(rugarch)

library(rmgarch)

data("EuStockMarkets")

EuStockLevel <- as.zoo(EuStockMarkets)[,c("DAX","CAC","FTSE")]

EuStockRet <- diff(log(EuStockLevel))



## GARCH-DCC

    uspec = ugarchspec(mean.model = list(armaOrder = c(0,0)), variance.model = list(garchOrder = c(1,1), model = "sGARCH"), distribution.model = "norm")

    spec1 = dccspec(uspec = multispec( replicate(3, uspec) ),  dccOrder = c(1,1),  distribution = "mvnorm")

    fit1 = dccfit(spec1, data = EuStockRet, fit.control = list(eval.se=T))



#Forecasting 

    dcc.focast=dccforecast(fit1, n.ahead = 1, n.roll = 0)

    print(dcc.focast)





    covmat.focast = rcov(dcc.focast)

    covmat = covmat.focast$`1975-02-03`[,,1]  ##The Covariance matrix



          DAX          CAC         FTSE

DAX  0.0002332114 0.0001624446 0.0001321865

CAC  0.0001624446 0.0001799988 0.0001139339

FTSE 0.0001321865 0.0001139339 0.0001372812

##Optimization (Use the forecasted variance covariance matrix!!!)

##You must convert your dataset into "timeSeries" object for R to be able to read it in fportfolio. 



library(fPortfolio)

##To compute efficient portfolio

    All.Data <- as.timeSeries(100* EuStockRet) 



##Equal weight portfolio

    ewPortfolio <- feasiblePortfolio(data = All.Data,spec = ewSpec,constraints = "LongOnly")  

    print(ewPortfolio)



##Minimum risk efficient portfolio

    minriskSpec <- portfolioSpec()

    targetReturn <- getTargetReturn(ewPortfolio@portfolio)["mean"]

    setTargetReturn(minriskSpec) <- targetReturn



#Now, we optimize the portfolio for the specified target return :-

    minriskPortfolio <- efficientPortfolio(data = All.Data,spec = minriskSpec,constraints = "LongOnly")

    print(minriskPortfolio)

Итак, где на самом деле мы вводим ковариационную матрицу? И это то, что я сделали правильно? Буду признателен, если кто-нибудь поможет мне здесь.

Спасибо!