NVIDIA-AI-Blueprints/portfolio-optimization

解决的问题

该项目解决了金融投资组合优化中计算速度与模型复杂性之间的矛盾。它将传统的、缓慢的批量处理稳健分析（如 Mean-CVaR（条件风险价值）和大规模模拟）转变为适用于动态决策的快速、迭代式工作流程。

工作原理

该解决方案基于 NVIDIA CUDA 生态系统构建了 GPU 加速流水线：

1. 情景生成：使用 RAPIDS cuML 实现 GPU 加速的核密度估计（KDE），以学习和采样收益分布，实现最高 100 倍的加速。
2. 优化：采用 NVIDIA cuOpt 求解器处理复杂的、基于情景的 Mean-CVaR 投资组合优化问题，相比 CPU 求解器最高可实现 160 倍加速。
3. 回测：利用 CUDA-X Data Science 和 HPC SDK 对交易策略进行严格测试和优化。

适用人群

需要以生产级速度执行大规模模拟和风险建模的金融分析师、量化研究人员以及开发高性能交易策略的开发者。

主要亮点

• 显著提速：优化速度最高提升 160 倍，情景生成速度最高提升 100 倍。
• 风险建模：可在生产级速度下使用条件风险价值（CVaR）。
• 迭代工作流：支持动态、数据驱动的优化循环，而非缓慢的批量处理。
• 交互式工具：包含用于演示的 Jupyter 笔记本和用于动态再平衡演示的 Streamlit 应用。