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

Cvičení

Výpočet EWMA

Teď se pustíme do vytváření příznaků, které nám pomohou předpovědět ideální portfolia. Jako příznak zatím použijeme jednoduše pohyb ceny. Nejprve vytvoříme denní exponenciálně vážený klouzavý průměr (EWMA), který pak převzorkujeme na měsíční časový rámec. Nakonec posuneme měsíční klouzavý průměr ceny o jeden měsíc dopředu, abychom ho mohli použít jako příznak pro předpovídání budoucích portfolií.

Pokyny

100 XP
  • Nastav span na 30 a vypočítej denní exponenciálně vážený klouzavý průměr (ewma_daily).
  • Převzorkuj denní EWMA na měsíční úroveň s použitím frekvence Business Monthly Start (BMS) a prvního dne v měsíci (.first()).
  • Posuň ewma_monthly o jeden měsíc dopředu, abychom mohli EWMA z předchozího měsíce použít jako příznak pro předpověď ideálního portfolia v následujícím měsíci.