การเปลี่ยนค่า span
ในแบบฝึกหัดที่ผ่านมา คุณได้เห็นแล้วว่าค่า span ของความเสี่ยงและผลตอบแทนแบบ exponentially weighted นั้นส่งผลต่อหน้าตาของพอร์ตโฟลิโอที่เหมาะสมที่สุด และที่จริงแล้ว span มีอิทธิพลอย่างมาก! การกำหนดค่า span ช่วยให้เลือกได้ว่าจะใช้ข้อมูลเฉพาะช่วงวันล่าสุด หรือย้อนหลังไปหลายปี และเมื่อ span ยาวเท่ากับช่วงข้อมูลทั้งหมด ผลลัพธ์จะเท่ากับการใช้ค่าเฉลี่ยประวัติศาสตร์แบบปกติ
มาลองสำรวจดูกันว่าค่า span ที่สั้นและยาวส่งผลต่อพอร์ตโฟลิโอที่เหมาะสมที่สุดอย่างไร โดยมีข้อมูล stock_prices พร้อมใช้งานแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์พอร์ตโฟลิโอด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Calculate expected returns and sample covariance
mu_ema = expected_returns.ema_historical_return(stock_prices, span=____ ,frequency=252)
Sigma_ew = risk_models.exp_cov(stock_prices, span=____, frequency=252)
ef_2 = EfficientFrontier(mu_ema, Sigma_ew)
# Calculate weights for the maximum Sharpe ratio portfolio
weights = ef_2.max_sharpe()
cleaned_weights_maxsharpe_EW = ef_2.clean_weights()
perf_max_sharpe_EW = ef_2.portfolio_performance(verbose=True)