+1 Daumen
26 Aufrufe

Ich möchte alle Mittel und Abweichungen von den Standards eines Portfolios bekommen. Es scheint jedoch, dass mein Portfolio zu gross ist. Und zwar mit folgendem Code:

n_portfolios = 5
means, stds = np.column_stack([
    random_portfolio(df_new_copy[1:].values)
    for _ in range(n_portfolios)
])

Ich bekomme folgenden Fehler:

---------------------------------------------------------------------------
MemoryError                              Traceback (most recent call last)
<ipython-input-151-62c87a1a020c> in <module>
      2 means, stds = np.column_stack([
      3    random_portfolio(df_new_copy[1:].values)
----> 4    for _ in range(n_portfolios)
      5 ])

<ipython-input-151-62c87a1a020c> in <listcomp>(.0)
      2 means, stds = np.column_stack([
      3    random_portfolio(df_new_copy[1:].values)
----> 4    for _ in range(n_portfolios)
      5 ])

<ipython-input-141-3aebfc0c97df> in random_portfolio(returns)
    13    # This recursion reduces outliers to keep plots pretty
    14    if sigma > 2:
---> 15        return random_portfolio(returns)
    16    return mu, sigma

<ipython-input-141-3aebfc0c97df> in random_portfolio(returns)
    13    # This recursion reduces outliers to keep plots pretty
    14    if sigma > 2:
---> 15        return random_portfolio(returns)
    16    return mu, sigma

<ipython-input-141-3aebfc0c97df> in random_portfolio(returns)
    13    # This recursion reduces outliers to keep plots pretty
    14    if sigma > 2:
---> 15        return random_portfolio(returns)
    16    return mu, sigma

<ipython-input-141-3aebfc0c97df> in random_portfolio(returns)
    13    # This recursion reduces outliers to keep plots pretty
    14    if sigma > 2:
---> 15        return random_portfolio(returns)
    16    return mu, sigma

<ipython-input-141-3aebfc0c97df> in random_portfolio(returns)
      6    p = np.asmatrix(np.mean(returns, axis=1))
      7    w = np.asmatrix(rand_weights(returns.shape[0]))
----> 8    C = np.asmatrix(np.cov(returns))
      9
    10    mu = w * p.T

<__array_function__ internals> in cov(*args, **kwargs)

C:\ProgramData\Anaconda3\lib\site-packages\numpy\lib\function_base.py in cov(m, y, rowvar, bias, ddof, fweights, aweights)
  2452    else:
  2453        X_T = (X*w).T
-> 2454    c = dot(X, X_T.conj())
  2455    c *= np.true_divide(1, fact)
  2456    return c.squeeze()

<__array_function__ internals> in dot(*args, **kwargs)
MemoryError: Unable to allocate array with shape (7010, 7010) and data type float64

Hier sind die Log-Rückgaben df_new_copy[1:]


    ABI BB Equity  AD NA Equity    ADS GY Equity  AI FP Equity    AIR FP Equity  AMS SQ Equity  ASML NA Equity  BAS GY Equity  BAYN GY Equity  BBVA SQ Equity  BMW GY Equity  BN FP Equity    BNP FP Equity  CRH ID Equity  CS FP Equity    DAI GY Equity  DG FP Equity    DPW GY Equity  DTE GY Equity  EL FP Equity    ENEL IM Equity  ENGI FP Equity  ENI IM Equity  FP FP Equity    FRE GY Equity  GLE FP Equity  IBE SQ Equity  INGA NA Equity  ISP IM Equity  ITX SQ Equity  KER FP Equity  LIN GY Equity  MC FP Equity    MUV2 GY Equity  NOKIA FH Equity    OR FP Equity    ORA FP Equity  PHIA NA Equity  SAF FP Equity  SAN FP Equity  SAN SQ Equity  SAP GY Equity  SIE GY Equity  SU FP Equity    TEF SQ Equity  URW NA Equity  VIV FP Equity  VOW3 GY Equity  SX5E Index
Dates                                                                                                                                                                                                 
2019-02-27 09:10:00    0.000609    -0.016755  -0.000942  -0.000455  -0.001060  -0.001156  0.001110    -0.000595  -0.012139  -0.005338  -0.001087  -0.000298  -0.005329  -0.002539  0.000458    -0.003402  0.000970    0.000749    0.002073    0.004213    0.001128    0.000000    -0.000526  0.000300    0.000618    -0.004077  -0.001086  -0.003357  -0.001922  -0.004970  -0.000620  0.000981    -0.001154  -0.001450  -0.002239  -0.001803  0.002999    -0.000285  0.002952    0.000274    -0.006883  0.002868    -0.001028  0.001747    -0.001983  -0.002932  0.000825    -0.003332  3275.70
2019-02-27 09:20:00    -0.001676  -0.002226  -0.000943  -0.001366  -0.003185  -0.001447  0.000985    -0.000744  0.005137    0.002673    0.000408    -0.003431  0.003942    -0.000727  -0.002521  0.000379    0.000969    0.004484    -0.000691  0.001400    -0.000752  -0.002848  0.000131    0.000200    -0.003096  0.004852    -0.001631  -0.000177  0.001922    0.000766    0.000207    -0.003931  -0.000825  -0.000484  -0.001121  -0.003164  0.001496    -0.001426  0.000421    0.001370    0.000485    -0.003400  -0.001647  0.002034    -0.000794  -0.000280  -0.004546  0.003332    3273.88
2019-02-27 09:30:00    0.002437    0.004668    -0.000472  0.001366    0.001240    0.003181    0.001107    -0.001192  0.006275    -0.000191  0.002171    0.001195    0.001272    0.000363    0.002521    0.001891    0.001936    0.000000    -0.000691  0.003260    0.000000    -0.001427  -0.000921  0.000200    -0.001241  -0.000387  0.000272    0.000531    0.001199    -0.005376  -0.000207  -0.000657  -0.001156  0.000967    0.004105    0.004066    -0.001496  0.002423    0.000000    0.000547    0.000605    0.001064    0.004011    0.001450    0.000000    0.000699    0.005371    0.002260    3277.38
2019-02-27 09:40:00    -0.001522  -0.006006  0.000000    0.000000    0.001062    -0.001155  -0.002339  -0.003435  -0.002476  -0.003438  -0.001764  -0.001045  -0.005213  0.000000    -0.002063  -0.003595  -0.001451  -0.003361  -0.001038  0.002322    0.000376    -0.000714  -0.000658  -0.000901  -0.001657  -0.006802  0.000816    -0.005678  -0.002881  0.000385    0.000000    0.000985    0.000000    -0.001935  -0.002237  0.001352    0.000748    -0.002137  0.007965    -0.001095  -0.006314  -0.001064  -0.004217  -0.004648  -0.000795  -0.001959  -0.000824  -0.001594  3272.65
2019-02-27 09:50:00    -0.000610  -0.002234  0.000943    0.000910    -0.000354  -0.001736  -0.001357  -0.000748  0.006396    0.001147    0.000407    -0.001645  0.002320    -0.003640  -0.000688  -0.000569  -0.000242  0.000748    -0.000692  -0.001857  -0.001129  -0.002504  -0.001054  -0.001003  -0.001037  0.003698    -0.000272  0.000000    0.000240    0.000000    -0.002483  -0.000656  -0.000661  0.000484    0.000000    0.000000    -0.000748  -0.001285  0.001252    -0.000685  0.001096    -0.000319  -0.001444  -0.002916  -0.001061  0.000840    0.000412    0.000532    3271.90
...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...    ...
2019-09-06 16:00:00    0.000474    0.000000    0.001616    0.000000    -0.001103  0.000000    0.002545    -0.000980  0.000150    -0.001003  -0.006883  0.000000    -0.001296  -0.000327  -0.000696  -0.003742  0.000499    -0.000987  -0.000397  -0.000734  0.002108    0.000000    -0.000727  -0.001100  -0.001232  -0.000622  0.003184    -0.001096  -0.000969  0.000000    -0.000552  0.001464    0.001188    0.000449    -0.002322  0.000794    -0.000730  0.000233    -0.001053  0.001476    -0.001703  0.000000    -0.000434  -0.001300  -0.000455  -0.000419  -0.000394  -0.003708  3490.09

von

Bitte logge dich ein oder registriere dich, um die Frage zu beantworten.

Ein anderes Problem?

Stell deine Frage

Willkommen bei der Stacklounge! Stell deine Frage sofort und kostenfrei

x
Made by a lovely community