計算動態投資組合變異數
在這個練習中，你將練習使用 GARCH 動態共變異數，計算由兩個資產組成的簡單投資組合的變異數。
現代投資組合理論指出，存在一種最適方式來建構投資組合，以善用分散化效果，讓你在達到期望報酬水準的同時，將風險降到最低。當資產報酬之間的共變異數為負時，這種效果特別明顯。
假設你的投資組合只有兩個資產：EUR/USD 與 CAD/USD 匯率貨幣對。這兩項資產由 GARCH 模型得到的變異數分別已儲存在 variance_eur 與 variance_cad，其共變異數已計算並儲存在 covariance。請改變兩個資產的權重以計算整體投資組合的變異數，並將其差異視覺化。
本練習屬於課程
Python 中的 GARCH 模型
練習說明
- 將投資組合 a 中 EUR/USD 的權重
Wa1設為 0.9，投資組合 b 中的Wb1設為 0.5。 - 使用
variance_eur、variance_cad與covariance計算投資組合 a 的變異數portvar_a；以相同方式計算投資組合 b 的變異數portvar_b。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Define weights
Wa1 = ____
Wa2 = 1 - Wa1
Wb1 = ____
Wb2 = 1 - Wb1
# Calculate portfolio variance
portvar_a = Wa1**2 * ____ + Wa2**2 * ____ + 2*Wa1*Wa2 *____
portvar_b = Wb1**2 * ____ + Wb2**2 * ____ + 2*Wb1*Wb2*____
# Plot the data
plt.plot(portvar_a, color = 'green', label = 'Portfolio a')
plt.plot(portvar_b, color = 'deepskyblue', label = 'Portfolio b')
plt.legend(loc = 'upper right')
plt.show()