1. 학습
    2. /
  2. 강의
    3. /
  3. Ilościowe zarządzanie ryzykiem w Pythonie
Connected

연습 문제

Zarządzanie ryzykiem w czasie rzeczywistym

Czas zastosować w praktyce wiedzę o sieciach neuronowych i przeprowadzić (niemal!) zarządzanie ryzykiem w czasie rzeczywistym.

14-dniowe okno kroczące zwrotów z aktywów dostarcza wystarczającej ilości danych, aby zbudować szereg czasowy portfeli o minimalnej zmienności przy użyciu Nowoczesnej Teorii Portfela, którą poznałeś(-aś) w rozdziale 2. Wagi portfeli minimum_vol stanowią wartości treningowe sieci neuronowej. Jest to macierz o wymiarach (1497 x 4).

Dane wejściowe to macierz tygodniowych average_asset_returns, odpowiadających każdemu efektywnemu portfelowi. Jest to macierz o wymiarach (1497 x 4).

Utwórz sekwencyjną sieć neuronową z odpowiednim wymiarem wejścia i dwiema ukrytymi warstwami. Trenowanie tej sieci zajęłoby zbyt dużo czasu, dlatego skorzystasz z dostępnego pre_trained_model tego samego typu, aby przewidzieć wagi portfela dla nowego wektora cen aktywów.

지침

100 XP
  • Utwórz sekwencyjną sieć neuronową z dwiema ukrytymi warstwami, jedną warstwą wejściową i jedną warstwą wyjściową.
  • Użyj pre_trained_model, aby przewidzieć, jaki byłby portfel o minimalnej zmienności po podaniu nowych danych o aktywach asset_returns.