Procvičení s PyPortfolioOpt: výnosy
Moderní teorie portfolia je základním kamenem řízení portfoliového rizika – efektivní hranice je standardní metodou pro posouzení jak ochoty investora přijímat riziko, tak tržních kompromisů mezi rizikem a výnosem. V tomto cvičení si vytvoříš výkonné nástroje pro prozkoumání efektivní hranice portfolia pomocí Pythonové knihovny PyPortfolioOpt pypfopt.
Pro výpočet efektivní hranice jsou potřeba jak očekávané výnosy, tak kovarianční matice portfolia.
Po krátkém procvičení načítání cenových dat investičních bank použiješ metodu mean_historical_return z modulu pypfopt.expected_returns k výpočtu a vizualizaci průměrných anualizovaných výnosů každé banky z denních cen aktiv. Následující cvičení se pak zaměří na kovarianční matici.
Toto cvičení je součástí kurzu
Kvantitativní řízení rizik v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Load the investment portfolio price data into the price variable.
prices = pd.____("portfolio.csv")
# Convert the 'Date' column to a datetime index
prices['Date'] = pd.to_datetime(____['Date'], format='%d/%m/%Y')
prices.____(['Date'], inplace = True)