De span aanpassen
In de vorige oefening ontdekte je dat de span van de exponentieel gewogen risico- en rendementschatting invloed heeft op hoe het optimale portfolio eruitziet. Sterker nog, de span heeft een zeer grote invloed! Door de span in te stellen, kun je bijvoorbeeld alleen de meest recente dagen gebruiken, of juist de meest recente jaren. In het uiterste geval, wanneer de span net zo lang is als de volledige steekproef, komt dit overeen met het gebruik van het gewone historische gemiddelde.
Laten we nu voelen wat een korte en lange span doen met je optimale portfolio. De stock_prices-data is beschikbaar.
Deze oefening maakt deel uit van de cursus
Introductie tot portefeuille-analyse in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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)