Hitung kovarians untuk volatilitas

Dalam MPT, kita mengukur risiko melalui volatilitas. Perhitungan matematis untuk volatilitas portofolio cukup kompleks dan memerlukan kovarians return harian. Sekarang kita akan melakukan loop untuk setiap bulan dalam DataFrame returns_monthly, dan menghitung kovarians return harian.

Dengan indeks datetime di pandas, kita dapat mengakses bulan dan tahun dengan df.index.month dan df.index.year. Kita akan menggunakannya untuk membuat mask pada returns_daily yang memberikan return harian untuk bulan dan tahun saat ini dalam loop. Lalu kita gunakan mask tersebut untuk mengambil subset DataFrame seperti ini: df[mask]. Ini akan mengambil entri dalam DataFrame returns_daily yang berada pada bulan dan tahun saat ini pada setiap siklus loop. Terakhir, kita akan menggunakan metode .cov() dari pandas untuk memperoleh kovarians return harian.

Latihan ini merupakan bagian dari kursus

Machine Learning untuk Keuangan dengan Python

Lihat Kursus

Instruksi latihan

Lakukan loop melalui indeks returns_monthly.
Buat mask untuk returns_daily yang menggunakan bulan dan tahun saat ini dari returns_monthly, dan cocokkan dengan bulan dan tahun saat ini dari i dalam loop.
Gunakan mask pada returns_daily dan hitung kovarians menggunakan .cov().

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Daily covariance of stocks (for each monthly period)
covariances = {}
rtd_idx = returns_daily.index
for i in returns_monthly.____:    
    # Mask daily returns for each month and year, and calculate covariance
    mask = (rtd_idx.month == i.month) & (rtd_idx.____ == i.____)
    
    # Use the mask to get daily returns for the current month and year of monthy returns index
    covariances[i] = returns_daily[____].cov()

print(covariances[i])

Edit dan Jalankan Kode