Ćwiczenie z PyPortfolioOpt: zwroty
Nowoczesna Teoria Portfela to fundament zarządzania ryzykiem portfelowym – efektywna granica jest bowiem standardową metodą oceny zarówno apetytu inwestora na ryzyko, jak i rynkowych kompromisów między ryzykiem a zwrotem. W tym ćwiczeniu zbudujesz zaawansowane narzędzia do eksploracji efektywnej granicy portfela, korzystając z biblioteki PyPortfolioOpt pypfopt dla Pythona.
Aby wyznaczyć efektywną granicę, potrzebne są oczekiwane zwroty oraz macierz kowariancji portfela.
Po załadowaniu danych cenowych banków inwestycyjnych użyjesz metody mean_historical_return z modułu pypfopt.expected_returns, aby obliczyć i zwizualizować uśrednione roczne zwroty każdego banku na podstawie dziennych cen aktywów. Kolejne ćwiczenie obejmie macierz kowariancji.
To ćwiczenie jest częścią kursu
Ilościowe zarządzanie ryzykiem w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Load the investment portfolio price data into the price variable.
prices = pd.____("portfolio.csv")
# Convert the 'Date' column to a datetime index
prices['Date'] = pd.to_datetime(____['Date'], format='%d/%m/%Y')
prices.____(['Date'], inplace = True)