EWMA 계산하기
이제 이상적인 포트폴리오를 예측하기 위한 피처를 만들어 보겠습니다. 우선은 가격 변동 자체를 피처로 사용할 거예요. 이를 위해 일간 지수 가중 이동 평균(EWMA)을 만든 다음, 이를 월간 주기로 리샘플링하겠습니다. 마지막으로 월간 가격 이동 평균을 한 달 앞으로 시프트해, 향후 포트폴리오를 예측하는 피처로 사용할 수 있도록 하겠습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 금융 분야 Machine Learning
연습 안내
span을 30으로 설정해 일간 지수 가중 이동 평균(ewma_daily)을 계산하세요.- Business Monthly Start 빈도(BMS)와 해당 월의 첫째 날(
.first())을 사용해 일간 EWMA를 월간으로 리샘플링하세요. - 다음 달의 이상적 포트폴리오를 예측하기 위해,
ewma_monthly를 한 달 앞으로 시프트하여 이전 달의 EWMA를 피처로 사용하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Calculate exponentially-weighted moving average of daily returns
ewma_daily = returns_daily.ewm(span=____).mean()
# Resample daily returns to first business day of the month with the first day for that month
ewma_monthly = ewma_daily.resample(____).____
# Shift ewma for the month by 1 month forward so we can use it as a feature for future predictions
ewma_monthly = ewma_monthly.____.dropna()
print(ewma_monthly.iloc[-1])