PyPortfolioOpt で練習：共分散
ポートフォリオ最適化では、資産の共分散を偏りなく効率的に推定することが重要です。標本共分散は不偏ですが、効率的ではありません。極端な事象が過大評価されがちだからです。
これを緩和する1つの方法が「共分散のシュリンケージ」です。大きな誤差を縮小（shrink）して効率性を高めます。本演習では、pypfopt.risk_models の CovarianceShrinkage オブジェクトを使い、標本共分散をより効率的な推定値に変換します。教科書的な誤差シュリンケージ手法である .ledoit_wolf() は、このオブジェクトのメソッドです。
資産の prices はワークスペースに用意されています。CovarianceShrinkage オブジェクトは入力として prices を受け取りますが、実際に計算するのは価格ではなく資産のリターンの共分散行列である点にご注意ください。
この演習はコースの一部です
Pythonで学ぶ定量的リスク管理
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。
# Import the CovarianceShrinkage object
from pypfopt.risk_models import ____
# Create the CovarianceShrinkage instance variable
cs = ____(prices)