Стандартне відхилення проти дисперсії
Поговорімо про різницю між дисперсією та стандартним відхиленням. З відео ви вже знаєте, що стандартне відхилення \(\sigma\) — це просто квадратний корінь із дисперсії. Обидві міри використовують на практиці, щоб оцінювати волатильність ринку чи акцій. Чому варто обрати одну з них?
Під час обчислення дисперсії ми підносимо до квадрату ваги та дисперсії. Через це піднесення до квадрату дисперсія вже не в тій самій одиниці вимірювання, що й початкові дані. Якщо взяти корінь із дисперсії, стандартне відхилення повертається до початкової одиниці вимірювання і тому значно легше інтерпретується.
Давайте обчислимо стандартне відхилення. У вашому розпорядженні weights і cov_matrix з попередньої вправи.
Ця вправа є частиною курсу
Вступ до Portfolio Analysis у Python
Інструкції до вправи
- Відтворіть обчислення дисперсії портфеля, використовуючи
weightsіcov_matrix. Цього разу візьміть квадратний корінь з усього обчислення, щоб замість цього отримати стандартне відхилення. - Виведіть стандартне відхилення так само, як ми робили для дисперсії портфеля.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Calculate the standard deviation by taking the square root
port_standard_dev = ____.____(np.dot(____.____, np.dot(____, ____)))
# Print the results
print(str(np.round(____, 4) * 100) + '%')