1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe w finansach z Pythonem
Connected

ćwiczenie

Obliczanie kowariancji dla zmienności

W MPT ryzyko mierzymy za pomocą zmienności. Matematyka stojąca za obliczaniem zmienności portfela jest złożona i wymaga macierzy kowariancji dziennych stóp zwrotu. Przejdziemy teraz pętlą przez każdy miesiąc w DataFrame returns_monthly i obliczymy kowariancję dziennych stóp zwrotu.

Przy użyciu indeksów datetime w pandas możemy uzyskać dostęp do miesiąca i roku za pomocą df.index.month oraz df.index.year. Posłuży to do stworzenia maski dla returns_daily, która wyodrębni dzienne stopy zwrotu dla bieżącego miesiąca i roku w pętli. Maskę stosujemy do podzbioru DataFrame w ten sposób: df[mask]. Dzięki temu pobieramy z DataFrame returns_daily tylko wpisy odpowiadające aktualnemu miesiącowi i rokowi w każdym kroku pętli. Na koniec użyjemy metody .cov() z pandas, aby obliczyć kowariancję dziennych stóp zwrotu.

Instrukcje

100 XP
  • Przejdź pętlą przez indeks returns_monthly.
  • Utwórz maskę dla returns_daily, która używa bieżącego miesiąca i roku z returns_monthly i dopasowuje je do bieżącego miesiąca i roku ze zmiennej i w pętli.
  • Zastosuj maskę na returns_daily i oblicz kowariancje za pomocą .cov().