Změna délky rozpětí
V předchozím cvičení jsi zjistil/a, že délka rozpětí exponenciálně váženého rizika a výnosu může ovlivnit podobu optimálního portfolia. Tento vliv je přitom velmi výrazný! Nastavením rozpětí můžeš pracovat třeba jen s daty z posledních několika dní, nebo naopak zahrnout data z posledních let. Pokud je rozpětí stejně dlouhé jako celý vzorek, výsledek se shoduje s použitím běžného historického průměru.
Pojďme si teď vyzkoušet, jak krátké a dlouhé rozpětí mění podobu optimálního portfolia. K dispozici máš data stock_prices.
Toto cvičení je součástí kurzu
Introduction to Portfolio Analysis in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Calculate expected returns and sample covariance
mu_ema = expected_returns.ema_historical_return(stock_prices, span=____ ,frequency=252)
Sigma_ew = risk_models.exp_cov(stock_prices, span=____, frequency=252)
ef_2 = EfficientFrontier(mu_ema, Sigma_ew)
# Calculate weights for the maximum Sharpe ratio portfolio
weights = ef_2.max_sharpe()
cleaned_weights_maxsharpe_EW = ef_2.clean_weights()
perf_max_sharpe_EW = ef_2.portfolio_performance(verbose=True)