PyPortfolioOpt के साथ अभ्यास: रिटर्न्स
मॉडर्न पोर्टफोलियो थ्योरी पोर्टफोलियो रिस्क मैनेजमेंट की आधारशिला है, क्योंकि Efficient Frontier निवेशक की जोखिम रुचि और मार्केट के जोखिम-रिटर्न के संतुलन का आकलन करने का एक मानक तरीका है. इस अभ्यास में आप PyPortfolioOpt pypfopt Python लाइब्रेरी का उपयोग करके किसी पोर्टफोलियो की Efficient Frontier को एक्सप्लोर करने के लिए शक्तिशाली टूल्स विकसित करेंगे.
Efficient Frontier निकालने के लिए अपेक्षित रिटर्न्स और पोर्टफोलियो का covariance मैट्रिक्स, दोनों की आवश्यकता होती है.
इन्वेस्टमेंट बैंकों के प्राइस डेटा को लोड करने का थोड़ा अभ्यास करने के बाद, आप pypfopt.expected_returns के mean_historical_return मेथड का उपयोग करके दैनिक एसेट प्राइसेज़ से प्रत्येक बैंक के वार्षिकीकृत औसत रिटर्न की गणना और विज़ुअलाइज़ करेंगे. अगला अभ्यास covariance मैट्रिक्स को कवर करेगा.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Quantitative Risk Management
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Load the investment portfolio price data into the price variable.
prices = pd.____("portfolio.csv")
# Convert the 'Date' column to a datetime index
prices['Date'] = pd.to_datetime(____['Date'], format='%d/%m/%Y')
prices.____(['Date'], inplace = True)