1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Nhập môn Phân tích Danh mục đầu tư với Python
Connected

Bài tập

So sánh các cách tiếp cận

Trong bài tập này, bạn sẽ kiểm tra xem các danh mục có Sharpe tối đa có khác nhau không khi bạn dùng rủi ro và lợi nhuận kỳ vọng lịch sử thông thường so với khi dùng rủi ro và lợi nhuận có trọng số lũy thừa. Bạn đã thấy trong video rằng độ biến động có trọng số lũy thừa bám sát độ biến động thực tế hơn nhiều, nhưng liệu bạn có thấy sự khác biệt lớn về tỷ trọng danh mục khi dùng cách này hay cách kia không? Đó là điều bạn sẽ khám phá.

Rủi ro và lợi nhuận có trọng số lũy thừa được tính với span là 252 ngày giao dịch, tức là nhìn lại tối đa một năm. Bạn có sẵn các biến: cleaned_weights_maxsharpe, perf_max_sharpe, cleaned_weights_maxsharpe_EW, perf_max_sharpe_EW. Phần _EW nghĩa là exponentially weighted (trọng số lũy thừa).

Hướng dẫn 1/3

undefined XP
    1
    2
    3
  • In và kiểm tra tỷ trọng của cả danh mục Sharpe tối đa thông thường và danh mục có trọng số lũy thừa.