스팬 변경하기
이전 연습 문제에서 지수 가중 위험과 수익률의 스팬이 최적 포트폴리오 모양에 어떤 영향을 주는지 확인하셨죠. 사실, 스팬의 영향은 매우 큽니다! 스팬을 설정하면, 예를 들어 가장 최근 며칠의 데이터만 사용할 수도 있고, 가장 최근 몇 년의 데이터를 사용할 수도 있어요. 극한으로, 스팬이 전체 표본 길이만큼 길다면 일반적인 과거 평균을 사용하는 것과 같아집니다.
이제 짧은 스팬과 긴 스팬이 최적 포트폴리오를 어떻게 바꾸는지 체감해 볼게요. stock_prices 데이터가 제공됩니다.
이 연습은 강의의 일부입니다
Python으로 배우는 포트폴리오 분석 입문
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)