1. सीखें
    2. /
  2. पाठ्यक्रम
    3. /
  3. Pythonで学ぶポートフォリオ分析入門
Connected

अभ्यास

指数加重リターンとリスク

この演習では、リスクとリターンの推定方法を少し変えてポートフォリオ最適化を行い、直近のデータにより重みを置いて最適化します。

これは、典型的に非定常（時間とともに分布が変化する）な株式データに賢く対処する方法です。実装は、Sigma を計算するためのリスクモデルと、mu を得るためのリターン計算を変更するだけで手早く行えます。株価データセットは stock_prices として利用できます。さっそく試してみましょう！

निर्देश

100 XP
  • risk_models の指数加重共分散行列と、expected_returns の指数加重ヒストリカルリターン関数を使って Sigma と mu を計算します。span は 180、頻度（取引日数）は 252 に設定してください。
  • 新しい mu と Sigma で効率的フロンティアを計算します。
  • 最大シャープレシオ・ポートフォリオのウェイトを計算します。
  • パフォーマンスレポートを取得します。