Riskfunktioner i PyPortfolioOpt
Målet med Markowitz portföljoptimeringsproblem är att minimera portföljvariansen, givet ett antal begränsningar. Kommer du ihåg hur du beräknar detta från kapitel 2? Portföljvarians = vikter transponerade * kovariansmatris * vikter. I PyPortfolioOpt kallas kovariansmatrisen sigma, för att beteckna att det är en urvals-kovarians \(\Sigma\).
I den här övningen får du se att PyPortfolioOpt-funktionerna för att beräkna sigma ger exakt samma resultat som om du beräknar kovariansen för hand. Detsamma gäller beräkningarna av förväntad avkastning – du kan också verifiera att PyPortfolioOpt ger samma utdata som när du beräknar annualiserad daglig avkastning manuellt. Tillgängligt är stock_prices. Låt oss utforska detta lite närmare…
Den här övningen är en del av kursen
Introduktion till portföljanalys i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Get the returns from the stock price data
returns=____.____()