सबसे अच्छे Sharpe ratios प्राप्त करें
हमें प्रत्येक तारीख के लिए "आदर्श" पोर्टफोलियो ढूँढना है ताकि उन्हें मशीन लर्निंग के टारगेट्स के रूप में उपयोग किया जा सके। हम portfolio_returns में हर तारीख पर लूप चलाएँगे, फिर portfolio_returns[date] से बनाए गए पोर्टफोलियो पर लूप करेंगे। इसके बाद हम Sharpe ratio निकालेंगे, जो रिटर्न को वोलैटिलिटी से भाग देने पर मिलता है (मान लें कि risk-free रिटर्न 0 है)।
हम enumerate() का उपयोग करके मौजूदा तारीख (portfolio_returns[date]) के रिटर्न्स पर लूप करेंगे और i के साथ इंडेक्स ट्रैक करेंगे। फिर मौजूदा तारीख और मौजूदा इंडेक्स का उपयोग करके हर पोर्टफोलियो की वोलैटिलिटी portfolio_volatility[date][i] से लेंगे। अंत में, प्रत्येक तारीख के लिए सबसे अच्छे Sharpe ratio का इंडेक्स np.argmax() से पाएँगे। इसी इंडेक्स का उपयोग करके हम जल्द ही आदर्श पोर्टफोलियो वेट्स निकालेंगे।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Finance के लिए Machine Learning
अभ्यास निर्देश
enumerate()का उपयोग करके, लूप में प्रत्येकdateके लिएportfolio_returnsको एन्यूमरेट करें।- लूप में मौजूदा
dateके लिए,sharpe_ratioडिक्शनरी एंट्री में मौजूदा रिटर्न (ret) को मौजूदा तारीख और मौजूदाiके लिएportfolio_volatilityसे भाग देकर जोड़ें। - मौजूदा
dateकेmax_sharpe_idxsका मानnp.argmax()का उपयोग करके अधिकतम Sharpe ratio के इंडेक्स के रूप में सेट करें।
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Empty dictionaries for sharpe ratios and best sharpe indexes by date
sharpe_ratio, max_sharpe_idxs = {}, {}
# Loop through dates and get sharpe ratio for each portfolio
for date in portfolio_returns.keys():
for i, ret in enumerate(portfolio_returns[____]):
# Divide returns by the volatility for the date and index, i
sharpe_ratio.setdefault(date, []).append(____ / portfolio_volatility[date][____])
# Get the index of the best sharpe ratio for each date
max_sharpe_idxs[date] = np.argmax(sharpe_ratio[____])
print(portfolio_returns[date][max_sharpe_idxs[date]])