1. Learn
    2. /
  2. Курси
    3. /
  3. Кількісне управління ризиками в Python
Connected

Вправа

Керування ризиком у реальному часі

Час застосувати знання про нейронні мережі, щоб виконати (майже) керування ризиком у реальному часі.

Ковзне 14-денне вікно доходностей активів дає достатньо даних, щоб побудувати часовий ряд портфелів із мінімальною волатильністю за сучасною теорією портфеля, як ви бачили в розділі 2. Ці ваги портфелів minimum_vol є навчальними значеннями для нейронної мережі. Це матриця розміру (1497 x 4).

Вхід — це матриця тижневих average_asset_returns, що відповідає кожному ефективному портфелю. Це матриця розміру (1497 x 4).

Створіть послідовну (Sequential) нейронну мережу з належною розмірністю входу та двома прихованими шарами. Навчання цієї мережі зайняло б надто багато часу, тож ви використаєте наявну pre_trained_model того самого типу, щоб передбачити ваги портфеля для нового вектора цін активів.

Інструкції

100 XP
  • Створіть послідовну (Sequential) нейронну мережу з двома прихованими шарами, одним вхідним і одним вихідним шарами.
  • Використайте pre_trained_model, щоб передбачити, яким буде портфель з мінімальною волатильністю, коли надані нові дані про активи asset_returns.