EWMAs की गणना करें
अब हम अपने आदर्श पोर्टफोलियो की भविष्यवाणी करने के लिए कुछ फीचर्स बनाने की ओर बढ़ेंगे. फिलहाल हम फीचर के रूप में सिर्फ प्राइस मूवमेंट का उपयोग करेंगे. इसके लिए हम डेली exponentially-weighted moving average (EWMA) बनाएँगे, फिर उसे मंथली टाइमफ्रेम में resample करेंगे. अंत में, हम प्राइस के मंथली मूविंग एवरेज को एक महीने आगे शिफ्ट करेंगे, ताकि भविष्य के पोर्टफोलियो की भविष्यवाणी के लिए इसे फीचर के रूप में इस्तेमाल कर सकें.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Finance के लिए Machine Learning
अभ्यास निर्देश
- डेली exponentially-weighted moving average (
ewma_daily) की गणना करने के लिएspanको 30 रखें. - डेली EWMA को महीनों में resample करने के लिए Business Monthly Start फ्रीक्वेंसी (BMS) और महीने के पहले दिन (
.first()) का उपयोग करें. ewma_monthlyको एक महीने आगे शिफ्ट करें, ताकि हम पिछले महीने के EWMA को अगले महीने के आदर्श पोर्टफोलियो की भविष्यवाणी करने के लिए फीचर के रूप में उपयोग कर सकें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Calculate exponentially-weighted moving average of daily returns
ewma_daily = returns_daily.ewm(span=____).mean()
# Resample daily returns to first business day of the month with the first day for that month
ewma_monthly = ewma_daily.resample(____).____
# Shift ewma for the month by 1 month forward so we can use it as a feature for future predictions
ewma_monthly = ewma_monthly.____.dropna()
print(ewma_monthly.iloc[-1])