portfolioperformance 다운로드 portfolioperformance 소스 코드 다운로드

portfolioperformance

AI 소스 코드

v1.1.0

다운로드

포트폴리오 성능

포트폴리오 최적화 모델의 샘플 외 성능을 테스트하는 도구. 논문을 기반으로 : 최적 대 순진한 다각화 :

또한이 패키지 용 놀이터 웹 사이트를 개발하여 자체 데이터에서 이러한 모델을 쉽게 실행할 수 있습니다. 웹 사이트 링크

용법

설치

pip install portfolioperformance

모델

 # 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" )

예

 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

앱 클래스

매개 변수

path ( str ) : csv 파일로가는 경로
gammas ( list[int] ) : 감마 값 목록
timeHorizon ( list[int] ) : 시간 지평 목록
models ( list[Model] ) : 모델 클래스 목록
dateFormat ( str ) : 팬더 날짜 시간 형식, default = "%y-%m-%d"
dateRange ( [str, str] ) : 시작 및 종료 날짜, 기본값 = []
delim ( str ) : 구분 유형, "또는" s+"(whitespace), default =", "
logScale ( bool ) : 데이터가 로그 스케일인지 아닌지, default = false
riskFactorPositions ( list ) : 위험 계수 자산 열 위치 (위치 1은 날짜 열입니다), default = []
riskFreePosition ( int ) : 위험이없는 자산 열 위치, 기본값 = 1

행동 양식

`getSharpeRatios() -> dict[str, float]`

Sharpe 비율을 얻으십시오

반환 : - dict[str, float] : 모델 이름과 샤프 비율이 키 값 쌍으로 샤프 비율을 가진 사전

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

벤치 마크 모델에 대한 통계적 유의성을 얻으십시오.

매개 변수 :
- benchmark ( Model ) : 벤치 마크 모델

보고:
- dict[str, float] : 주요 값 쌍으로 모델 이름과 Sharpe 비율이있는 사전

개발

설정

클론 프로젝트 : git clone https://github.com/sidnand/portfolioperformance
패키지 설치 : pip install -r requirements.txt
변경하십시오!

폴더 구조

 .
| -- __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