PyPortfolioOpt 실습: 공분산

포트폴리오 최적화는 편향되지 않고 효율적인 자산 공분산 추정에 의존합니다. 표본 공분산은 편향은 없지만 효율적이지는 않습니다. 극단적 사건이 과도하게 반영되는 경향이 있기 때문이죠.

이를 완화하는 한 가지 방법이 "covariance shrinkage(공분산 수축)"입니다. 큰 오차를 줄여(‘수축해’) 효율성을 높이는 기법이죠. 이 연습 문제에서는 pypfopt.risk_models의 CovarianceShrinkage 객체를 사용해 표본 공분산을 보다 효율적인 추정치로 변환해 보겠습니다. 교과서적인 오차 수축 방법인 .ledoit_wolf()는 이 객체의 메서드입니다.

자산 prices가 워크스페이스에 준비되어 있습니다. 참고로 CovarianceShrinkage 객체는 입력으로 prices를 받지만, 실제로 계산하는 것은 가격이 아니라 자산의 수익률 공분산 행렬입니다.