Практика з PyPortfolioOpt: дохідність
Сучасна теорія портфеля — наріжний камінь управління портфельним ризиком, адже ефективна межа є стандартним способом оцінити і схильність інвестора до ризику, і компроміс між ризиком та дохідністю на ринку. У цій вправі ви розробите інструменти для дослідження ефективної межі портфеля за допомогою бібліотеки Python PyPortfolioOpt pypfopt.
Щоб обчислити ефективну межу, потрібні і очікувана дохідність, і коваріаційна матриця портфеля.
Після розминки із завантаженням цін акцій інвестбанків ви скористаєтеся методом mean_historical_return з модуля pypfopt.expected_returns, щоб обчислити та візуалізувати річну середню дохідність кожного банку на основі щоденних цін активів. У наступній вправі розглянемо коваріаційну матрицю.
Ця вправа є частиною курсу
Кількісне управління ризиками в Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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)