Pratique com PyPortfolioOpt: covariância
A otimização de portfólio depende de uma estimativa não viesada e eficiente da covariância dos ativos. Embora a covariância amostral seja não viesada, ela não é eficiente — eventos extremos tendem a ter peso excessivo.
Uma forma de aliviar isso é usando "redução de covariância" (covariance shrinkage), em que grandes erros são reduzidos (“encolhidos”) para melhorar a eficiência. Neste exercício, você vai usar o objeto CovarianceShrinkage de pypfopt.risk_models para transformar a covariância amostral em uma estimativa eficiente. O método clássico de redução de erro, .ledoit_wolf(), é um método desse objeto.
Os prices dos ativos estão disponíveis no seu workspace. Observe que, embora o objeto CovarianceShrinkage receba prices como entrada, ele na verdade calcula a matriz de covariância dos retornos dos ativos, não dos preços.
Este exercício faz parte do curso
Gerenciamento Quantitativo de Risco em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Import the CovarianceShrinkage object
from pypfopt.risk_models import ____
# Create the CovarianceShrinkage instance variable
cs = ____(prices)