スパンを変えてみる
前の演習では、指数加重で計算したリスクとリターンのスパンが、最適ポートフォリオの姿に影響することを確認しました。実は、このスパンはとても大きな影響を与えます。スパンを設定することで、直近の日だけのデータを使うことも、直近の数年のデータを使うこともできます。極限として、スパンがサンプル全体と同じ長さになれば、通常の過去平均を使うのと同じになります。
それでは、スパンが短い場合と長い場合で最適ポートフォリオがどう変わるか、感覚をつかみましょう。利用できるデータは stock_prices です。
この演習はコースの一部です
Pythonで学ぶポートフォリオ分析入門
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Calculate expected returns and sample covariance
mu_ema = expected_returns.ema_historical_return(stock_prices, span=____ ,frequency=252)
Sigma_ew = risk_models.exp_cov(stock_prices, span=____, frequency=252)
ef_2 = EfficientFrontier(mu_ema, Sigma_ew)
# Calculate weights for the maximum Sharpe ratio portfolio
weights = ef_2.max_sharpe()
cleaned_weights_maxsharpe_EW = ef_2.clean_weights()
perf_max_sharpe_EW = ef_2.portfolio_performance(verbose=True)