Modifier la période (span)
Dans le dernier exercice, vous avez vu que la période utilisée pour le calcul exponentiellement pondéré du risque et du rendement peut modifier l’allocation optimale du portefeuille. En réalité, la période a une très grande influence ! En réglant cette période, vous pouvez n’utiliser que les données des derniers jours, ou au contraire celles des dernières années. À la limite, lorsque la période couvre l’échantillon complet, on obtient l’équivalent de la moyenne historique classique.
Voyons maintenant concrètement comment une période courte ou longue modifie votre portefeuille optimal. Les données stock_prices sont disponibles.
Cet exercice fait partie du cours
<cours>Introduction à l’analyse de portefeuille en Python</cours>Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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)