Esercitati con PyPortfolioOpt: covarianza
L’ottimizzazione di portafoglio si basa su una stima imparziale ed efficiente della covarianza tra asset. Anche se la covarianza campionaria è imparziale, non è efficiente: gli eventi estremi tendono a essere sovrastimati.
Un modo per attenuare questo problema è lo "shrinkage della covarianza", in cui i grandi errori vengono ridotti (“shrinked”) per migliorare l’efficienza. In questo esercizio userai l’oggetto CovarianceShrinkage di pypfopt.risk_models per trasformare la covarianza campionaria in una stima efficiente. Il metodo classico di shrinkage degli errori, .ledoit_wolf(), è un metodo di questo oggetto.
I prices degli asset sono disponibili nel tuo workspace. Nota che, anche se l’oggetto CovarianceShrinkage prende prices in input, in realtà calcola la matrice di covarianza dei rendimenti, non dei prezzi.
Questo esercizio fa parte del corso
Gestione quantitativa del rischio in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Import the CovarianceShrinkage object
from pypfopt.risk_models import ____
# Create the CovarianceShrinkage instance variable
cs = ____(prices)