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

Вправа

Створіть ознаки та цілі

Щоб використовувати машинне навчання для вибору найкращого портфеля, нам потрібно згенерувати ознаки та цілі. Наші ознаки щойно були створені в попередній вправі — експоненційно зважені ковзні середні цін. Нашими цілями будуть найкращі портфелі, які ми знайшли за найвищим коефіцієнтом Шарпа.

Ми використаємо метод pandas .iterrows() для отримання пар index, value для датафрейму ewma_monthly. У циклі поточне значення ewma_monthly встановимо як наші ознаки. Потім використаємо індекс найвищого коефіцієнта Шарпа (з max_sharpe_idxs), щоб отримати найкращі portfolio_weights для кожного місяця та встановити це як ціль.

Інструкції

100 XP
  • Використайте метод .iterrows() з ewma_monthly, щоб у циклі проходити пари index, value.
  • Використайте date у циклі та best_idx, щоб індексувати portfolio_weights і отримати ідеальні ваги портфеля за найкращим коефіцієнтом Шарпа.
  • Додайте ewma до переліку ознак.