Ändern der Spanne
In der letzten Übung hast du entdeckt, dass die Spanne der exponentiell gewichteten Rendite und des Risikos beeinflusst, wie das optimale Portfolio aussieht. Tatsächlich hat die Spanne einen sehr großen Einfluss! Mit der Spanne kannst du festlegen, ob nur die Tage der jüngsten Vergangenheit berücksichtigt werden oder Daten der letzten Jahre. Im Grenzfall, wenn die Spanne so lang ist wie die gesamte Stichprobe, entspricht das der Verwendung des normalen historischen Mittels.
Lass uns nun ein Gefühl dafür bekommen, wie eine kurze und eine lange Spanne dein optimales Portfolio verändern. Bereits geladen sind die stock_prices-Daten.
Diese Übung ist Teil des Kurses
<Kurs>Einführung in die Portfolioanalyse mit Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# 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)