skfolio/skfolio

它解决了什么问题

投资组合优化通常面临输入参数高度敏感、权重集中以及样本外表现不佳等问题。该库提供了一个基于机器学习的统一框架，用于构建、验证和微调投资组合模型，同时减轻数据泄露和过拟合等常见陷阱。

它是如何工作的

该库构建在scikit-learn API之上，允许用户将投资组合构建视为机器学习流水线。它提供了广泛的预期收益、协方差和风险度量估计器，以及用于交叉验证、超参数调整（通过网格或随机搜索）和因子模型构建的工具。它支持多种优化策略，包括凸优化、层次聚类和集成方法。

适用人群

需要使用熟悉的scikit-learn工作流以稳健、标准化的方式进行投资组合优化和风险管理的量化研究人员、金融分析师和数据科学家。

主要亮点

• 与scikit-learn的API完全兼容，包括流水线、交叉验证和超参数优化。
• 丰富的风险度量库，包括CVaR、基于回撤的指标和熵风险。
• 先进的先验估计器，如Black-Litterman、基于特征的因子模型以及各种协方差收缩技术。
• 内置对复杂约束的支持，如交易成本、基于组的权重和基数限制。
• 包含压力测试、合成数据生成和基于Copula的分布建模工具。