Quản lý rủi ro theo thời gian thực
Đã đến lúc vận dụng những gì bạn đã học về neural networks để thực hiện quản lý rủi ro (gần như) thời gian thực.
Cửa sổ trượt 14 ngày của lợi nhuận tài sản cung cấp đủ dữ liệu để tạo một chuỗi thời gian các danh mục có biến động tối thiểu theo Lý thuyết Danh mục Hiện đại, như bạn đã thấy ở Chương 2. Các trọng số danh mục minimum_vol là giá trị huấn luyện cho một neural network. Đây là một ma trận (1497 x 4).
Đầu vào là ma trận average_asset_returns theo tuần, tương ứng với mỗi danh mục hiệu quả. Đây là một ma trận (1497 x 4).
Hãy tạo một mạng neural dạng Sequential với kích thước đầu vào phù hợp và hai lớp ẩn. Việc huấn luyện mạng này sẽ mất quá nhiều thời gian, vì vậy bạn sẽ dùng pre_trained_model sẵn có cùng loại để dự đoán trọng số danh mục cho một vector giá tài sản mới.
Bài tập này là một phần của khóa học
Quản trị Rủi ro Định lượng với Python
Hướng dẫn bài tập
- Tạo một mạng neural dạng Sequential với hai lớp ẩn, một lớp đầu vào và một lớp đầu ra.
- Dùng
pre_trained_modelđể dự đoán danh mục có biến động tối thiểu khi cung cấp dữ liệu tài sản mớiasset_returns.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Create neural network model
model = ____()
model.add(Dense(128, input_dim = ____, activation = 'relu'))
model.____(____(64, activation = 'relu'))
model.____(____(____, activation = 'relu'))
# Use the pre-trained model to predict portfolio weights given new asset returns
asset_returns = np.array([0.001060, 0.003832, 0.000726, -0.002787])
asset_returns.shape = (1,4)
print("Predicted minimum volatility portfolio: ", pre_trained_model.____(asset_returns))