Funkcje ryzyka w PyPortfolioOpt
Celem problemu optymalizacji portfela Markowitza jest minimalizacja wariancji portfela przy określonych ograniczeniach. Pamiętasz, jak się ją oblicza z rozdziału 2? Wariancja portfela = transponowane wagi * macierz kowariancji * wagi. W PyPortfolioOpt macierz kowariancji oznaczamy jako sigma, aby podkreślić, że jest to próbkowa kowariancja \(\Sigma\).
W tym ćwiczeniu przekonasz się, że funkcje PyPortfolioOpt do obliczania sigmy dają dokładnie taki sam wynik, jak ręczne obliczenie kowariancji. To samo dotyczy obliczeń oczekiwanej stopy zwrotu – możesz sprawdzić, że PyPortfolioOpt zwraca ten sam wynik co ręczne obliczenie zeanualizowanych dziennych stóp zwrotu. Do dyspozycji masz dane stock_prices. Przyjrzyjmy się temu bliżej…
To ćwiczenie jest częścią kursu
Wprowadzenie do analizy portfela w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Get the returns from the stock price data
returns=____.____()