为波动率计算协方差

在 MPT 中，我们用波动率来量化风险。计算投资组合波动率的数学公式较为复杂，并且需要用到日收益率的协方差。现在我们将遍历 returns_monthly DataFrame 中的每个月，计算对应的日收益率协方差。

对于 pandas 的日期时间索引，您可以使用 df.index.month 和 df.index.year 获取月份和年份。我们将用它来为 returns_daily 创建一个掩码，得到循环中当前月份和年份对应的日收益率。然后使用该掩码对 DataFrame 进行子集选择，如：df[mask]。这会在循环的每一轮中，获取 returns_daily 中属于当前月份和年份的记录。最后，我们使用 pandas 的 .cov() 方法计算日收益率的协方差。

本练习是课程的一部分

Python 金融机器学习

查看课程

练习说明

遍历 returns_monthly 的索引。
为 returns_daily 创建一个掩码，使用来自 returns_monthly 的当前月份和年份，并与循环中 i 的当前月份和年份匹配。
将该掩码应用于 returns_daily，并使用 .cov() 计算协方差。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Daily covariance of stocks (for each monthly period)
covariances = {}
rtd_idx = returns_daily.index
for i in returns_monthly.____:    
    # Mask daily returns for each month and year, and calculate covariance
    mask = (rtd_idx.month == i.month) & (rtd_idx.____ == i.____)
    
    # Use the mask to get daily returns for the current month and year of monthy returns index
    covariances[i] = returns_daily[____].cov()

print(covariances[i])

编辑并运行代码