डायनेमिक पोर्टफोलियो variance 계산 करें
इस अभ्यास में, आप GARCH डायनेमिक covariance के साथ दो-एसेट वाले साधारण पोर्टफोलियो का variance निकालने का अभ्यास करेंगे.
Modern Portfolio Theory कहती है कि diversification प्रभाव का लाभ लेने के लिए पोर्टफोलियो बनाने का एक optimal तरीका होता है, ताकि आप इच्छित expected return के स्तर को न्यूनतम जोखिम के साथ प्राप्त कर सकें. यह प्रभाव विशेष रूप से तब स्पष्ट होता है जब एसेट रिटर्न्स के बीच covariance नकारात्मक हो.
मान लीजिए आपके पास केवल दो एसेट वाला पोर्टफोलियो है: EUR/USD और CAD/USD करेंसी पेयर्स. GARCH मॉडलों से निकले इनके variances variance_eur और variance_cad में सेव हैं, और इनका covariance निकालकर covariance में सेव किया गया है. दोनों एसेट के weights बदलते हुए कुल पोर्टफोलियो variance की गणना करें, और उनके अंतर को विज़ुअलाइज़ करें.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में GARCH मॉडल
अभ्यास निर्देश
- पोर्टफोलियो a में EUR/USD का weight
Wa1को 0.9 सेट करें, और पोर्टफोलियो b मेंWb1को 0.5 करें. variance_eur,variance_cadऔरcovarianceके साथ पोर्टफोलियो a का varianceportvar_aनिकालें; इसी तरह पोर्टफोलियो b के लिएportvar_bभी compute करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Define weights
Wa1 = ____
Wa2 = 1 - Wa1
Wb1 = ____
Wb2 = 1 - Wb1
# Calculate portfolio variance
portvar_a = Wa1**2 * ____ + Wa2**2 * ____ + 2*Wa1*Wa2 *____
portvar_b = Wb1**2 * ____ + Wb2**2 * ____ + 2*Wb1*Wb2*____
# Plot the data
plt.plot(portvar_a, color = 'green', label = 'Portfolio a')
plt.plot(portvar_b, color = 'deepskyblue', label = 'Portfolio b')
plt.legend(loc = 'upper right')
plt.show()