Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur GraphSearch.
Cette séance de cours couvre la logique derrière le nettoyage de la matrice de covariance, en soulignant les inconvénients de l'utilisation de la matrice de covariance de l'échantillon pour l'optimisation du portefeuille. Il se penche sur les estimateurs invariants en rotation, le clustering hiérarchique et les bootstraps. L'instructeur discute du spectre empirique des matrices de corrélation, de l'écrêtage des valeurs propres et d'une approche formelle du nettoyage de corrélation / covariance. La séance de cours explore le concept d'un bon estimateur de covariance, en se concentrant sur la minimisation de la distance avec la matrice réelle et la construction d'un estimateur optimal pour l'optimisation du portefeuille. En outre, il introduit la méthode de retrait linéaire et le concept d'estimateurs invariants de rotation optimaux.