1. Learn
    2. /
  2. Курси
    3. /
  3. Machine Learning для фінансів у Python
Connected

Вправа

Знайдіть найкращі коефіцієнти Шарпа

Нам потрібно знайти «ідеальні» портфелі для кожної дати, щоб використати їх як цілі для машинного навчання. Ми пройдемося циклом по кожній даті в portfolio_returns, а потім по портфелях, згенерованих у portfolio_returns[date]. Далі обчислимо коефіцієнт Шарпа — це дохідність, поділена на волатильність (припускаємо безризикову дохідність 0).

Ми використовуємо enumerate(), щоб ітеруватися за доходностями для поточної дати (portfolio_returns[date]) і відстежувати індекс за допомогою i. Потім використовуємо поточну дату та поточний індекс, щоб отримати волатильність кожного портфеля через portfolio_volatility[date][i]. Нарешті, отримуємо індекс найкращого коефіцієнта Шарпа для кожної дати за допомогою np.argmax(). Незабаром ми використаємо цей індекс, щоб отримати ваги ідеального портфеля.

Інструкції

100 XP
  • Використовуючи enumerate(), пронумеруйте portfolio_returns для кожної date у циклі.
  • Для поточної date у циклі додайте до словника sharpe_ratio значення — дохідність (ret), поділену на portfolio_volatility для поточної дати та поточного i у циклах.
  • Встановіть для поточної date значення поля max_sharpe_idxs як індекс максимального коефіцієнта Шарпа за допомогою np.argmax().