Öva med PyPortfolioOpt: kovarians
Portföljoptimering förutsätter en opartisk och effektiv skattning av tillgångarnas kovarians. Stickprovskovariansen är visserligen opartisk, men inte effektiv – extrema händelser tenderar att få för stor vikt.
Ett sätt att hantera detta är genom "kovariansförminskning" (covariance shrinkage), där stora fel reduceras för att öka effektiviteten. I den här övningen använder du objektet CovarianceShrinkage från pypfopt.risk_models för att omvandla stickprovskovariansen till en effektiv skattning. Den klassiska felminskningsmetoden .ledoit_wolf() är en metod i det här objektet.
Tillgångspriserna prices finns tillgängliga i din arbetsyta. Observera att CovarianceShrinkage tar prices som indata, men att det i praktiken beräknar kovariansmatrisen för tillgångarnas avkastning, inte priserna.
Den här övningen är en del av kursen
Kvantitativ riskhantering i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import the CovarianceShrinkage object
from pypfopt.risk_models import ____
# Create the CovarianceShrinkage instance variable
cs = ____(prices)