skfolio/skfolio

解決する課題

ポートフォリオ最適化は、入力パラメータに対する高い感度、ウェイトの集中、サンプル外パフォーマンスの低下といった問題に悩まされることがよくあります。このライブラリは、機械学習ベースの統一されたフレームワークを提供し、データリークや過学習といった一般的な落とし穴を回避しながら、ポートフォリオモデルの構築、検証、微調整を可能にします。

仕組み

scikit-learn APIの上に構築されており、ユーザーはポートフォリオ構築を機械学習パイプラインとして扱うことができます。期待収益率、共分散、リスク指標のための幅広い推定量に加え、クロスバリデーション、ハイパーパラメータチューニング（グリッドサーチまたはランダムサーチ）、因子モデル構築のためのツールを提供します。凸最適化、階層的クラスタリング、アンサンブル手法など、さまざまな最適化戦略をサポートしています。

対象ユーザー

使い慣れたscikit-learnのワークフローを使用して、堅牢かつ標準化された方法でポートフォリオ最適化とリスク管理を行う必要があるクオンツリサーチャー、金融アナリスト、データサイエンティスト。

ハイライト

• パイプライン、クロスバリデーション、ハイパーパラメータ最適化など、scikit-learnのAPIと完全に互換性があります。
• CVaR、ドローダウンベースの指標、エントロピーリスクなど、広範なリスク指標ライブラリ。
• Black-Litterman、特性ベースの因子モデル、さまざまな共分散収縮手法などの高度な事前推定量。
• 取引コスト、グループベースのウェイト、カーディナリティ制限などの複雑な制約に対する組み込みサポート。
• ストレステスト、合成データ生成、Copulaベースの分布モデリングのためのツールが含まれています。