S’exercer avec PyPortfolioOpt : covariance
L’optimisation de portefeuille repose sur une estimation non biaisée et efficace de la covariance des actifs. Bien que la covariance empirique soit non biaisée, elle n’est pas efficace : les événements extrêmes ont tendance à être surpondérés.
Une manière d’atténuer ce problème est le « rétrécissement de covariance » (covariance shrinkage), où les grandes erreurs sont réduites (« rétrécies ») pour améliorer l’efficacité. Dans cet exercice, vous allez utiliser l’objet CovarianceShrinkage de pypfopt.risk_models pour transformer la covariance empirique en une estimation efficace. La méthode classique de rétrécissement des erreurs, .ledoit_wolf(), est une méthode de cet objet.
Les prices des actifs sont disponibles dans votre espace de travail. Notez que même si l’objet CovarianceShrinkage prend prices en entrée, il calcule en réalité la matrice de covariance des rendements des actifs, et non des prix.
Cet exercice fait partie du cours
Gestion quantitative des risques en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Import the CovarianceShrinkage object
from pypfopt.risk_models import ____
# Create the CovarianceShrinkage instance variable
cs = ____(prices)