Prática com o PyPortfolioOpt: covariância
A otimização do portfólio depende de uma estimativa imparcial e eficiente da covariância dos ativos. Embora a covariância da amostra não seja tendenciosa, ela não é eficiente: eventos extremos tendem a ser ponderados em excesso.
Uma abordagem para aliviar esse problema é a "redução de covariância", em que erros grandes são reduzidos ("encolhidos") para aumentar a eficiência. Neste exercício, você usará o objeto pypfopt.risk_models's CovarianceShrinkage para transformar a covariância da amostra em uma estimativa eficiente. O método de redução de erro do livro-texto, .ledoit_wolf(), é um método desse objeto.
Os ativos prices estão disponíveis em seu espaço de trabalho. Observe que, embora o objeto CovarianceShrinkage receba prices como entrada, na verdade ele calcula a matriz de covariância dos retornos dos ativos retornose não dos preços.
Este exercício faz parte do curso
Gerenciamento quantitativo de riscos em Python
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
# Import the CovarianceShrinkage object
from pypfopt.risk_models import ____
# Create the CovarianceShrinkage instance variable
cs = ____(prices)