Oefenen met PyPortfolioOpt: covariantie
Portefeuilleanalyse steunt op een onbevooroordeelde en efficiënte schatting van de covariantie tussen assets. Hoewel de steekproefcovariantie onbevooroordeeld is, is die niet efficiënt—extreme gebeurtenissen krijgen vaak te veel gewicht.
Een manier om dit te verlichten is via "covariance shrinkage", waarbij grote fouten worden verkleind (“geshrinkt”) om de efficiëntie te verbeteren. In deze oefening gebruik je het CovarianceShrinkage-object uit pypfopt.risk_models om de steekproefcovariantie om te zetten naar een efficiënte schatting. De standaardmethode voor foutenkrimp, .ledoit_wolf(), is een methode van dit object.
Asset-prices zijn beschikbaar in je werkruimte. Let op: hoewel het CovarianceShrinkage-object prices als input gebruikt, berekent het in feite de covariantiematrix van rendementen, niet van prijzen.
Deze oefening maakt deel uit van de cursus
Kwantitatief risicobeheer in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Import the CovarianceShrinkage object
from pypfopt.risk_models import ____
# Create the CovarianceShrinkage instance variable
cs = ____(prices)