1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Machine Learning for Finance in Python
Connected

Cvičení

Nalezení nejlepších Sharpe ratios

Potřebujeme najít „ideální" portfolia pro každé datum, abychom je mohli použít jako cíle pro machine learning. Projdeme v cyklu každé datum v portfolio_returns a pak portfolia, která jsme vygenerovali pomocí portfolio_returns[date]. Vypočítáme Sharpe ratio, což je výnos vydělený volatilitou (předpokládáme bezrizikový výnos 0).

Používáme enumerate() k procházení výnosů pro aktuální datum (portfolio_returns[date]) a ke sledování indexu pomocí i. Pak použijeme aktuální datum a aktuální index k získání volatility každého portfolia pomocí portfolio_volatility[date][i]. Nakonec získáme index nejlepšího Sharpe ratio pro každé datum pomocí np.argmax(). Tento index brzy využijeme k získání ideálních vah portfolia.

Pokyny

100 XP
  • Pomocí enumerate() projdi portfolio_returns pro každé date v cyklu.
  • Pro aktuální date v cyklu přidej do slovníku sharpe_ratio hodnotu výnosu (ret) vydělenou portfolio_volatility pro aktuální datum a aktuální i v cyklech.
  • Nastav hodnotu max_sharpe_idxs pro aktuální date na index maximálního Sharpe ratio pomocí np.argmax().