skfolio/skfolio

해결하는 문제

포트폴리오 최적화는 종종 입력 매개변수에 대한 높은 민감도, 가중치 집중, 표본 외 성과 저하와 같은 문제로 어려움을 겪습니다. 이 라이브러리는 데이터 누출 및 과적합과 같은 일반적인 함정을 완화하면서 포트폴리오 모델을 구축, 검증 및 미세 조정할 수 있는 통합된 머신러닝 기반 프레임워크를 제공합니다.

작동 방식

scikit-learn API를 기반으로 구축되어 사용자가 포트폴리오 구성을 머신러닝 파이프라인으로 처리할 수 있도록 합니다. 기대 수익률, 공분산 및 위험 측정치를 위한 광범위한 추정기와 함께 교차 검증, 하이퍼파라미터 튜닝(그리드 또는 랜덤 서치), 요인 모델 구축을 위한 도구를 제공합니다. 볼록 최적화, 계층적 클러스터링, 앙상블 방법을 포함한 다양한 최적화 전략을 지원합니다.

대상 사용자

익숙한 scikit-learn 워크플로우를 사용하여 포트폴리오 최적화 및 위험 관리를 수행할 수 있는 강력하고 표준화된 방법이 필요한 퀀트 연구원, 금융 분석가 및 데이터 과학자.

주요 특징

• 파이프라인, 교차 검증 및 하이퍼파라미터 최적화를 포함하여 scikit-learn API와 완벽하게 호환됩니다.
• CVaR, 드로우다운 기반 지표 및 엔트로피 위험을 포함한 광범위한 위험 측정 라이브러리.
• Black-Litterman, 특성 기반 요인 모델 및 다양한 공분산 축소 기술과 같은 고급 사전 추정기.
• 거래 비용, 그룹 기반 가중치 및 카디널리티 제한과 같은 복잡한 제약 조건에 대한 내장 지원.
• 스트레스 테스트, 합성 데이터 생성 및 Copula 기반 분포 모델링을 위한 도구 포함.