Gerçek zamanlı risk yönetimi
Neredeyse gerçek zamanlı risk yönetimi yapmak için Machine Learning ve sinir ağlarıyla ilgili öğrendiklerini kullanma zamanı.
14 günlük kayar bir pencereyle hesaplanan varlık getirileri, Bölüm 2'de gördüğün gibi Modern Portföy Teorisi kullanılarak bir dizi minimum volatilite portföyü oluşturmaya yetecek kadar veri sağlar. Bu minimum_vol portföy ağırlıkları bir sinir ağı için eğitim değerleridir. Bu (1497 x 4) boyutunda bir matristir.
Girdi, her verimli portföye karşılık gelen haftalık average_asset_returns matrisidir. Bu da (1497 x 4) boyutunda bir matristir.
Doğru giriş boyutuna sahip ve iki gizli katmanı olan bir Sequential sinir ağı oluştur. Bu ağı eğitmek çok uzun süreceği için, yeni bir varlık fiyat vektörü için portföy ağırlıklarını tahmin etmek amacıyla aynı tipte hazır bir pre_trained_model kullanacaksın.
Bu egzersiz, kursun bir parçasıdır
Python ile Nicel Risk Yönetimi
Egzersiz talimatları
- İki gizli katman, bir giriş katmanı ve bir çıkış katmanından oluşan bir Sequential sinir ağı oluştur.
- Yeni varlık verileri
asset_returnsverildiğinde minimum volatilite portföyünün ne olacağını tahmin etmek içinpre_trained_modelkullan.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Create neural network model
model = ____()
model.add(Dense(128, input_dim = ____, activation = 'relu'))
model.____(____(64, activation = 'relu'))
model.____(____(____, activation = 'relu'))
# Use the pre-trained model to predict portfolio weights given new asset returns
asset_returns = np.array([0.001060, 0.003832, 0.000726, -0.002787])
asset_returns.shape = (1,4)
print("Predicted minimum volatility portfolio: ", pre_trained_model.____(asset_returns))