1. 학습
    2. /
  2. 강의
    3. /
  3. Wprowadzenie do analizy portfela w Pythonie
Connected

연습 문제

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…

지침 1/4

undefined XP
    1
    2
    3
    4
  • Przekształć dane z cenami akcji stock_prices w szereg stóp zwrotu, używając funkcji pct_change().