Práctica con PyPortfolioOpt: covarianza
La optimización del portafolio depende de una estimación imparcial y eficiente de la covarianza de los activos. Aunque la covarianza muestral es imparcial, no es eficiente: suele atribuirse demasiado peso a los eventos extremos.
Una forma de mitigar esto es la "contracción de la covarianza", en la que los errores grandes se reducen ("contraen") para aumentar la eficiencia. En este ejercicio, utilizarás el objeto CovarianceShrinkage de pypfopt.risk_models para transformar la covarianza muestral en una estimación eficiente. El método de contracción de errores del libro de texto, .ledoit_wolf(), es un método de este objeto.
Los prices de los activos están disponibles en tu espacio de trabajo. Observa que, aunque el objeto CovarianceShrinkage toma prices como entrada, en realidad calcula la matriz de covarianza de las rentabilidades de los activos, no los precios.
Este ejercicio forma parte del curso
Gestión cuantitativa de riesgos en Python
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Import the CovarianceShrinkage object
from pypfopt.risk_models import ____
# Create the CovarianceShrinkage instance variable
cs = ____(prices)