Практика с PyPortfolioOpt: ковариация
Оптимизация портфеля требует несмещённой и эффективной оценки ковариации активов. Выборочная ковариация является несмещённой, однако не эффективной — экстремальные события, как правило, получают избыточный вес.
Один из способов решить эту проблему — «сжатие ковариации» (covariance shrinkage): большие ошибки уменьшаются («сжимаются»), что повышает эффективность оценки. В этом упражнении вы воспользуетесь объектом CovarianceShrinkage из модуля pypfopt.risk_models, чтобы преобразовать выборочную ковариацию в эффективную оценку. Классический метод сжатия ошибок .ledoit_wolf() является методом этого объекта.
Данные о ценах активов prices доступны в вашем рабочем пространстве. Обратите внимание: несмотря на то что объект CovarianceShrinkage принимает prices на вход, он вычисляет матрицу ковариации доходностей активов, а не их цен.
Это упражнение является частью курса
Количественное управление рисками на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import the CovarianceShrinkage object
from pypfopt.risk_models import ____
# Create the CovarianceShrinkage instance variable
cs = ____(prices)