Practică cu PyPortfolioOpt: covarianța

Optimizarea portofoliului se bazează pe o estimare imparțială și eficientă a covarianței activelor. Deși covarianța eșantionului este imparțială, nu este eficientă – evenimentele extreme tind să fie supraponderate.

O abordare pentru a remedia acest lucru este „reducerea covarianței" (covariance shrinkage), prin care erorile mari sunt reduse („contrase") pentru a îmbunătăți eficiența. În acest exercițiu, vei folosi obiectul CovarianceShrinkage din pypfopt.risk_models pentru a transforma covarianța eșantionului într-o estimare eficientă. Metoda clasică de reducere a erorilor din literatura de specialitate, .ledoit_wolf(), este o metodă a acestui obiect.

Variabila prices cu prețurile activelor este disponibilă în spațiul tău de lucru. Rețin că, deși obiectul CovarianceShrinkage primește prices ca intrare, calculează de fapt matricea de covarianță a randamentelor activelor, nu a prețurilor.

Importă obiectul CovarianceShrinkage din modulul pypfopt.risk_models.
Creează variabila de instanță CovarianceShrinkage numită cs, reprezentând matricea de covarianță a randamentelor.

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}exercițiu

Instrucțiuni 1/2

exercițiu