練習 PyPortfolioOpt：共變異數

投資組合最佳化仰賴對資產共變異數不偏且有效率的估計。雖然樣本共變異數是不偏的，但效率不佳——極端事件往往被過度加權。

其中一個緩解方法是「共變異數收縮」（covariance shrinkage），也就是將大的估計誤差「收縮」以提升效率。在這個練習中，你將使用 pypfopt.risk_models 的 CovarianceShrinkage 物件，將樣本共變異數轉換為較有效率的估計。教科書中的誤差收縮方法 .ledoit_wolf() 是此物件的方法之一。

你的工作區中已提供資產 prices。請注意，雖然 CovarianceShrinkage 物件的輸入是 prices，它實際上計算的是資產「報酬」而非價格的共變異數矩陣。