1. Nauka
    2. /
  2. Kursy
    3. /
  3. Ilościowe zarządzanie ryzykiem w Pythonie
Connected

ćwiczenie

Ćwiczenie z PyPortfolioOpt: kowariancja

Optymalizacja portfela wymaga nieobciążonej i efektywnej estymacji kowariancji aktywów. Choć kowariancja próbkowa jest nieobciążona, nie jest efektywna – zdarzenia ekstremalne mają tendencję do nadmiernego wpływu na wynik.

Jednym ze sposobów złagodzenia tego problemu jest „kurczenie kowariancji" (covariance shrinkage), polegające na redukcji dużych błędów w celu poprawy efektywności. W tym ćwiczeniu użyjesz obiektu CovarianceShrinkage z modułu pypfopt.risk_models, aby przekształcić kowariancję próbkową w efektywną estymację. Podręcznikowa metoda redukcji błędów, .ledoit_wolf(), jest metodą tego obiektu.

Dane prices są dostępne w twoim środowisku pracy. Zwróć uwagę, że choć obiekt CovarianceShrinkage przyjmuje prices jako dane wejściowe, w rzeczywistości wyznacza macierz kowariancji zwrotów aktywów, a nie ich cen.

Instrukcje 1/2

undefined XP
    1
    2
  • Zaimportuj obiekt CovarianceShrinkage z modułu pypfopt.risk_models.
  • Utwórz zmienną instancji CovarianceShrinkage o nazwie cs, reprezentującą macierz kowariancji zwrotów.