Zacznij terazZacznij za darmo

Granica efektywna a kryzys finansowy

W poprzednim ćwiczeniu analizowałeś macierz kowariancji portfela banków inwestycyjnych przed kryzysem finansowym, w jego trakcie i po nim. Teraz zwizualizujesz zmiany, jakie zaszły na granicy efektywnej – zobaczysz, jak kryzys znacznie podniósł minimalny poziom ryzyka dla dowolnej oczekiwanej stopy zwrotu.

Korzystając z algorytmu Critical Line Algorithm (CLA) dostępnego w bibliotece pypfopt (PyPortfolioOpt), wyznaczymy i zwizualizujemy granicę efektywną w trakcie kryzysu, a następnie dodamy ją do wykresu punktowego, na którym widoczne są już granice efektywne przed kryzysem i po nim.

Oczekiwane zwroty returns_during oraz macierz kowariancji ecov_during są już dostępne, podobnie jak obiekt CLA z biblioteki pypfopt. (Pamiętaj, że wykresy na DataCamp można otworzyć w osobnym oknie, co ułatwia ich odczyt.)

To ćwiczenie jest częścią kursu

Ilościowe zarządzanie ryzykiem w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz obiekt algorytmu Critical Line Algorithm (CLA) o nazwie efficient_portfolio_during, przekazując oczekiwane zwroty oraz macierz kowariancji zwrotów.
  • Wyświetl portfel o minimalnej wariancji dla efficient_portfolio_during.
  • Wyznacz granicę efektywną dla efficient_portfolio_during.
  • Dodaj wyniki granicy efektywnej do istniejącego wykresu punktowego, pokazującego granice efektywne sprzed kryzysu i po kryzysie.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Initialize the Crtical Line Algorithm object
efficient_portfolio_during = CLA(____, ecov_during)

# Find the minimum volatility portfolio weights and display them
print(efficient_portfolio_during.____)

# Compute the efficient frontier
(ret, vol, weights) = efficient_portfolio_during.____

# Add the frontier to the plot showing the 'before' and 'after' frontiers
plt.scatter(vol, ____, s = 4, c = 'g', marker = '.', label = 'During')
plt.legend()
plt.show()
Edytuj i uruchom kod