Стандартное отклонение и дисперсия
Поговорим о разнице между дисперсией и стандартным отклонением. Из видео вы уже знаете, что стандартное отклонение \(\sigma\) — это просто квадратный корень из дисперсии. Оба показателя используются на практике для оценки волатильности рынка или отдельных акций. Когда стоит применять один, а когда — другой?
При вычислении дисперсии мы возводим в квадрат веса и дисперсии. Из-за этого возведения в квадрат дисперсия перестаёт выражаться в тех же единицах измерения, что и исходные данные. Если извлечь корень из дисперсии, мы получим стандартное отклонение, которое возвращается к исходным единицам измерения и потому гораздо проще поддаётся интерпретации.
Давайте вычислим стандартное отклонение. В вашем распоряжении — weights и cov_matrix из предыдущего упражнения.
Это упражнение является частью курса
Введение в анализ портфеля на Python
Инструкции к упражнению
- Воспроизведите вычисление дисперсии портфеля, используя
weightsиcov_matrix. На этот раз извлеките квадратный корень из всего выражения, чтобы получить стандартное отклонение. - Выведите стандартное отклонение так же, как мы выводили дисперсию портфеля.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Calculate the standard deviation by taking the square root
port_standard_dev = ____.____(np.dot(____.____, np.dot(____, ____)))
# Print the results
print(str(np.round(____, 4) * 100) + '%')