Latihan dengan PyPortfolioOpt: kovarians
Optimisasi portofolio bergantung pada estimasi kovarians aset yang tidak bias dan efisien. Meskipun kovarians sampel tidak bias, kovarians ini tidak efisien—kejadian ekstrem cenderung diberi bobot berlebihan.
Salah satu pendekatan untuk mengatasinya adalah melalui "covariance shrinkage", yaitu mengurangi (mengecilkan) kesalahan besar guna meningkatkan efisiensi. Pada latihan ini, Anda akan menggunakan objek CovarianceShrinkage dari pypfopt.risk_models untuk mentransformasikan kovarians sampel menjadi estimasi yang lebih efisien. Metode shrinkage baku di buku teks, .ledoit_wolf(), adalah metode dari objek ini.
Data prices aset tersedia di workspace Anda. Perhatikan bahwa meskipun objek CovarianceShrinkage menerima prices sebagai masukan, objek ini sebenarnya menghitung matriks kovarians return aset, bukan harga.
Latihan ini adalah bagian dari kursus
Manajemen Risiko Kuantitatif dengan Python
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Import the CovarianceShrinkage object
from pypfopt.risk_models import ____
# Create the CovarianceShrinkage instance variable
cs = ____(prices)