portfolioperformance

Kinerja portofolio

Alat untuk menguji kinerja out-of-sample dari model optimasi portofolio. Berdasarkan kertas: diversifikasi optimal versus naif:

Saya juga telah mengembangkan situs web taman bermain untuk paket ini sehingga Anda dapat dengan mudah menjalankan model ini pada data Anda sendiri. Tautan ke situs web

Penggunaan

Instalasi

pip install portfolioperformance

Model

 # Each model takes a name parameter
ew = EqualWeight ( "Equal Weight" )
minVar = MinVar ( "Minimum Variance" )
JagannathanMa = JagannathanMa ( "Jagannathan Ma" )
minVarShortSellCon = MinVarShortSellCon ( "Minimum Variance with Short Sell Constrains" )
kanZhouEw = KanZhouEw ( "Kan Zhou EW" )

meanVar = MeanVar ( "Mean Variance (Markowitz)" )
meanVarShortSellCon = MeanVarShortSellCon ( "Mean Variance with Short Sell Constrains" )
kanZhou = KanZhou ( "Kan Zhou Three Fund" )
bayesStein = BayesStein ( "Bayes Stein" )
bayesSteinShortSellCon = BayesSteinShortSellCon ( "Bayes Stein with Short Sell Constrains" )
macKinlayPastor = MacKinlayPastor ( "MacKinlay and Pastor" )

Contoh

 import numpy as np
from portfolioperformance import *

# Risk aversion levels
GAMMAS = [ 1 , 2 , 3 , 4 , 5 , 10 ]

# Time horizons
TIME_HORIZON = [ 60 , 120 ]

benchmark = < benchmark model >

# List of models
models = [
    benchmark ,
    # <add other list of models>
]

app = App ( < data path > , GAMMAS , TIME_HORIZON , models , dateFormat = < pandas datetime format > ,
            dateRange = [ "01011990" , "01012010" ], delim = < "," or " \ s+" > ,
            riskFactorPositions = [ positions for risk factor column ],
            riskFreePosition = < risk free asset column > )

sr = app . getSharpeRatios ()
sig = app . getStatisticalSignificanceWRTBenchmark ( benchmark )

API

Kelas Aplikasi

Parameter

• path ( str ): path ke file csv
• gammas ( list[int] ): Daftar Nilai Gammas
• timeHorizon ( list[int] ): Daftar Cakrawala Waktu
• models ( list[Model] ): Daftar kelas model
• dateFormat ( str ): Format Waktu Tanggal PANDAS, default = "%y-%m-%d"
• dateRange ( [str, str] ): Tanggal mulai dan akhir, default = []
• delim ( str ): Tipe pembatasan, baik "," atau " s+" (whitespace), default = ","
• logScale ( bool ): Apakah data dalam skala log atau tidak, default = false
• riskFactorPositions ( list ): Posisi kolom aset faktor risiko (di mana posisi 1 adalah kolom tanggal), default = []
• riskFreePosition ( int ): Posisi kolom aset bebas risiko, default = 1

Metode

getSharpeRatios() -> dict[str, float]

Dapatkan Rasio Sharpe

• Pengembalian: - dict[str, float] : Kamus dengan nama model dan rasio Sharpe sebagai pasangan bernilai kunci

getStatisticalSignificanceWRTBenchmark(benchmark) -> dict[str, float]

Dapatkan signifikansi statistik sehubungan dengan model benchmark

• Parameter:

  • benchmark ( Model ): Model Benchmark

• Kembali:
  • dict[str, float] : Kamus dengan nama model dan rasio Sharpe sebagai pasangan bernilai kunci

Perkembangan

Pengaturan

1. Proyek Klon: git clone https://github.com/sidnand/portfolioperformance
2. Instal Paket: pip install -r requirements.txt
3. Buat perubahan!

Struktur folder

 .
| -- __init__.py # import /src/app.py and all models
| -- /src
    | -- app.py # code for running all the optimiation models
    | -- model.py # parent class to all the models
    | -- modelNoGamma.py # class for models that don't take extra parameters
    | -- modelGamma.py # class for models that take an extra gamma parameter; gamma is a list of constants for the investors risk-aversion level
    | -- ./models # all the models
    | -- ./utils
        | -- filter.py # includes a function that is used to filter the parameters passed to a function
        | -- quadprog.py # quadratic programming
        | -- sharedOptions.py # models options that are in common with >2 models
        | -- statistics.py # statistics functions

Buat Pull-Request

Harap buat permintaan pull untuk memasukkan perubahan Anda ke repo ini. Perubahan ini akan tercermin di situs web taman bermain yang ditautkan di atas.

1. Jalankan pip install -e . Untuk menginstal paket secara lokal.
2. Membuat perubahan.
3. Perbarui nomor versi di setup.py . Harap gunakan sistem Semantic Versioning 2.0.0. Klik untuk mempelajari lebih lanjut.
4. Jalankan python setup.py sdist bdist_wheel untuk membuat roda python.
5. Buat permintaan tarik!

Rilis Riwayat

• 1.1.0

  • quadprog == 0.1.12 Pembaruan
  • Perbarui kode untuk versi pandas terbaru

• 1.0.0

  • Rilis awal paket
  • Python <= 3.9.9
  • quadprog <= 0.1.11