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

Cvičení

Tvorba příznaků a cílů

Aby mohl machine learning vybrat nejlepší portfolio, potřebujeme vygenerovat příznaky a cíle. Příznaky jsme vytvořili v předchozím cvičení – jsou to exponenciálně vážené klouzavé průměry cen. Jako cíle použijeme nejlepší portfolia, která jsme našli na základě nejvyššího Sharpe ratio.

Využijeme metodu .iterrows() z pandy, abychom získali páry index, value z DataFrame ewma_monthly. V rámci smyčky nastavíme aktuální hodnotu ewma_monthly jako příznaky. Poté použijeme index nejlepšího Sharpe ratio (z max_sharpe_idxs), abychom pro každý měsíc získali nejlepší portfolio_weights a nastavili je jako cíl.

Pokyny

100 XP
  • Použij metodu .iterrows() na ewma_monthly pro iteraci přes páry index, value ve smyčce.
  • Pomocí date ze smyčky a best_idx indexuj portfolio_weights, abys získal/a ideální váhy portfolia na základě nejlepšího Sharpe ratio.
  • Přidej ewma do příznaků pomocí append.