NVIDIA-AI-Blueprints/portfolio-optimization

解決的問題

本專案解決金融投資組合最佳化中計算速度與模型複雜性之間的衝突。將傳統緩慢的批次處理穩健分析（例如 Mean-CVaR（條件風險價值）與大規模模擬）轉換為適用於動態決策的快速、迭代式工作流程。

工作原理

此解決方案基於 NVIDIA CUDA 生態系統建構 GPU 加速流程：

1. 情境生成：使用 RAPIDS cuML 實現 GPU 加速的核密度估計（KDE），以學習與抽樣報酬分佈，達成最高 100 倍加速。
2. 最佳化：採用 NVIDIA cuOpt 求解器處理複雜的、情境基礎的 Mean-CVaR 投資組合最佳化問題，相比 CPU 求解器最高可達 160 倍加速。
3. 回測：利用 CUDA-X Data Science 與 HPC SDK 對交易策略進行嚴謹測試與優化。

適用對象

需要以生產級速度執行大規模模擬與風險建模的金融分析師、量化研究人員，以及開發高性能量子交易策略的開發者。

主要亮點

• 大幅提速：最佳化速度最高提升 160 倍，情境生成速度最高提升 100 倍。
• 風險建模：可在生產級速度下使用條件風險價值（CVaR）。
• 迭代工作流程：支援動態、資料驅動的最佳化循環，而非緩慢的批次處理。
• 互動式工具：包含用於示範的 Jupyter 筆記本與用於動態再平衡示範的 Streamlit 應用。