ฟังก์ชันความเสี่ยงของ PyPortfolioOpt
เป้าหมายของปัญหาการปรับพอร์ตโฟลิโอให้เหมาะสมตามแนวทางของ Markowitz คือการลด ความแปรปรวนของพอร์ตโฟลิโอ ให้ต่ำที่สุด ภายใต้เงื่อนไขที่กำหนด จำได้ไหมว่าคำนวณอย่างไรจากบทที่ 2? ความแปรปรวนของพอร์ตโฟลิโอ = weights transposed * covariance matrix * weights ใน PyPortfolioOpt เราเรียก covariance matrix ว่า sigma เพื่อระบุว่านี่คือ sample covariance \(\Sigma\)
ในแบบฝึกหัดนี้ คุณจะเห็นว่าฟังก์ชันของ PyPortfolioOpt ที่ใช้คำนวณ sigma ให้ ผลลัพธ์ที่เหมือนกันทุกประการ กับการ คำนวณ covariance ด้วยตัวเอง เช่นเดียวกับการคำนวณผลตอบแทนที่คาดหวัง ลองตรวจสอบดูว่า PyPortfolioOpt ให้ผลลัพธ์เดียวกับการคำนวณ annualized daily returns ด้วยตัวเองหรือไม่ ข้อมูลที่มีให้คือ stock_prices มาสำรวจเรื่องนี้กันเพิ่มเติม…
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์พอร์ตโฟลิโอด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Get the returns from the stock price data
returns=____.____()