Übung mit PyPortfolioOpt: Kovarianz
Portfolio-Optimierung beruht auf einer unverzerrten und effizienten Schätzung der Asset-Kovarianz. Obwohl die Stichprobenkovarianz unverzerrt ist, ist sie nicht effizient – extreme Ereignisse werden tendenziell übergewichtet.
Ein Ansatz zur Abhilfe ist das „Kovarianz-Shrinkage“, bei dem große Fehler reduziert („geschrumpft“) werden, um die Effizienz zu verbessern. In dieser Übung verwendest du das CovarianceShrinkage-Objekt aus pypfopt.risk_models, um die Stichprobenkovarianz in eine effiziente Schätzung zu überführen. Die Standardmethode zur Fehlerreduktion, .ledoit_wolf(), ist eine Methode dieses Objekts.
Die Asset-prices stehen dir in deinem Workspace zur Verfügung. Beachte, dass das CovarianceShrinkage-Objekt zwar prices als Eingabe erhält, tatsächlich aber die Kovarianzmatrix der Asset-Renditen und nicht der Preise berechnet.
Diese Übung ist Teil des Kurses
Quantitative Risk Management in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Import the CovarianceShrinkage object
from pypfopt.risk_models import ____
# Create the CovarianceShrinkage instance variable
cs = ____(prices)