Thực hành với PyPortfolioOpt: hiệp phương sai
Tối ưu hóa danh mục phụ thuộc vào ước lượng hiệp phương sai tài sản không chệch và hiệu quả. Dù hiệp phương sai mẫu là không chệch, nó lại kém hiệu quả — các sự kiện cực đoan thường bị “đánh trọng số” quá mức.
Một cách khắc phục là dùng “thu nhỏ hiệp phương sai” (covariance shrinkage), trong đó các sai số lớn được giảm bớt ("thu nhỏ") để cải thiện hiệu quả. Trong bài này, bạn sẽ dùng đối tượng CovarianceShrinkage của pypfopt.risk_models để biến đổi hiệp phương sai mẫu thành ước lượng hiệu quả. Phương pháp thu nhỏ sai số kinh điển, .ledoit_wolf(), là một phương thức của đối tượng này.
Dữ liệu prices của tài sản có sẵn trong môi trường làm việc. Lưu ý rằng dù đối tượng CovarianceShrinkage nhận prices làm đầu vào, nó thực tế tính ma trận hiệp phương sai của returns (lợi nhuận), không phải của giá.
Bài tập này là một phần của khóa học
Quản trị Rủi ro Định lượng với Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Import the CovarianceShrinkage object
from pypfopt.risk_models import ____
# Create the CovarianceShrinkage instance variable
cs = ____(prices)