ฝึกใช้ PyPortfolioOpt: ผลตอบแทน
Modern Portfolio Theory คือรากฐานของการบริหารความเสี่ยงของพอร์ตโฟลิโอ เนื่องจาก efficient frontier เป็นวิธีมาตรฐานในการประเมินทั้งความเสี่ยงที่นักลงทุนยอมรับได้และความสัมพันธ์ระหว่างความเสี่ยงกับผลตอบแทนของตลาด ในแบบฝึกหัดนี้ คุณจะสร้างเครื่องมือที่ทรงพลังเพื่อสำรวจ efficient frontier ของพอร์ตโฟลิโอ โดยใช้ไลบรารี Python PyPortfolioOpt pypfopt
ในการคำนวณ efficient frontier จำเป็นต้องมีทั้งผลตอบแทนที่คาดหวังและเมทริกซ์ความแปรปรวนร่วมของพอร์ตโฟลิโอ
หลังจากฝึกโหลดข้อมูลราคาของธนาคารเพื่อการลงทุนแล้ว คุณจะใช้เมธอด mean_historical_return ของ pypfopt.expected_returns เพื่อคำนวณและแสดงผลผลตอบแทนเฉลี่ยรายปีของธนาคารแต่ละแห่งจากราคาสินทรัพย์รายวัน โดยแบบฝึกหัดถัดไปจะครอบคลุมเรื่องเมทริกซ์ความแปรปรวนร่วม
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การบริหารความเสี่ยงเชิงปริมาณด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Load the investment portfolio price data into the price variable.
prices = pd.____("portfolio.csv")
# Convert the 'Date' column to a datetime index
prices['Date'] = pd.to_datetime(____['Date'], format='%d/%m/%Y')
prices.____(['Date'], inplace = True)