创建特征与目标

要用机器学习挑选最优投资组合，您需要生成特征和目标。我们的特征已在上个练习中创建——价格的指数加权移动平均。我们的目标将是我们通过最高 Sharpe 比率找到的最优投资组合。

我们将使用 pandas 的 .iterrows() 方法获取 ewma_monthly DataFrame 的 index, value 对。在循环中，将当前的 ewma_monthly 值设为特征。然后使用最佳 Sharpe 比率的索引（来自 max_sharpe_idxs）获取每个月的最佳 portfolio_weights，并将其设为目标。

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

在循环中对 ewma_monthly 使用 .iterrows() 方法，迭代 index, value。
在循环里使用 date 和 best_idx 来索引 portfolio_weights，以基于最佳 Sharpe 比率获得理想的投资组合权重。
将 ewma 追加到特征列表中。

交互式实操练习

通过完成这段示例代码来试试这个练习。

targets, features = [], []

# Create features from price history and targets as ideal portfolio
for date, ewma in ewma_monthly.____:

    # Get the index of the best sharpe ratio
    best_idx = max_sharpe_idxs[date]
    targets.append(portfolio_weights[____][____])
    features.append(____)  # add ewma to features

targets = np.array(targets)
features = np.array(features)
print(targets[-5:])

编辑并运行代码