portfolioperformance

ประสิทธิภาพของพอร์ตโฟลิโอ

เครื่องมือในการทดสอบประสิทธิภาพการเพิ่มประสิทธิภาพของพอร์ตโฟลิโอ ขึ้นอยู่กับกระดาษ: การกระจายความเสี่ยงที่ดีที่สุดและไร้เดียงสา:

ฉันได้พัฒนาเว็บไซต์สนามเด็กเล่นสำหรับแพ็คเกจนี้เพื่อให้คุณสามารถเรียกใช้โมเดลเหล่านี้ได้อย่างง่ายดายด้วยข้อมูลของคุณเอง ลิงก์ไปยังเว็บไซต์

การใช้งาน

การติดตั้ง

pip install portfolioperformance

แบบจำลอง

 # 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" )

ตัวอย่าง

 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

คลาสแอพ

พารามิเตอร์

• path ( str ): PATH ไปยังไฟล์ csv
• gammas ( list[int] ): รายการค่าแกมม่า
• timeHorizon ( list[int] ): รายการเวลาอันไกล่เกลี่ย
• models ( list[Model] ): รายการคลาสโมเดล
• dateFormat ( str ): รูปแบบเวลาวันที่แพนด้า, ค่าเริ่มต้น = "%y-%m-%d"
• dateRange ( [str, str] ): วันที่เริ่มต้นและสิ้นสุด, default = []
• delim ( str ): ประเภทการพนันไม่ว่าจะ "," หรือ " s+" (Whitespace), default = ","
• logScale ( bool ): ไม่ว่าข้อมูลจะอยู่ในระดับบันทึกค่าเริ่มต้น = false หรือไม่
• riskFactorPositions ( list ): ตำแหน่งคอลัมน์สินทรัพย์ปัจจัยความเสี่ยง (ตำแหน่งที่ 1 คือคอลัมน์วันที่), default = []
• riskFreePosition ( int ): ตำแหน่งคอลัมน์สินทรัพย์ที่ปราศจากความเสี่ยงค่าเริ่มต้น = 1

วิธีการ

getSharpeRatios() -> dict[str, float]

รับอัตราส่วนชาร์ป

• returns: - dict[str, float] : พจนานุกรมที่มีชื่อรุ่นและอัตราส่วนชาร์ปเป็นคู่ที่มีค่าคีย์

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

รับนัยสำคัญทางสถิติเกี่ยวกับโมเดลมาตรฐาน

• พารามิเตอร์:

  • benchmark ( Model ): โมเดลมาตรฐาน

• ผลตอบแทน:
  • dict[str, float] : พจนานุกรมที่มีชื่อแบบจำลองและอัตราส่วนชาร์ปเป็นคู่ที่มีค่าคีย์

การพัฒนา

การตั้งค่า

1. โครงการโคลน: git clone https://github.com/sidnand/portfolioperformance
2. ติดตั้งแพ็คเกจ: pip install -r requirements.txt
3. เปลี่ยนแปลง!

โครงสร้างโฟลเดอร์

 .
| -- __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

สร้างคำตอบแบบดึง

โปรดสร้างคำแนะนำแบบดึงเพื่อรวมการเปลี่ยนแปลงของคุณลงใน repo นี้ การเปลี่ยนแปลงเหล่านี้จะปรากฏบนเว็บไซต์สนามเด็กเล่นที่เชื่อมโยงด้านบน

1. Run pip install -e . เพื่อติดตั้งแพ็คเกจในเครื่อง
2. ทำการเปลี่ยนแปลง
3. อัปเดตหมายเลขเวอร์ชันใน setup.py โปรดใช้ระบบความหมายเวอร์ชัน 2.0.0 คลิกเพื่อเรียนรู้เพิ่มเติม
4. เรียกใช้ python setup.py sdist bdist_wheel เพื่อสร้างล้องูหลาม
5. สร้างคำตอบแบบดึง!

ประวัติการปลดปล่อย

• 1.1.0

  • quadprog == 0.1.12 อัปเดต
  • อัปเดตรหัสสำหรับเวอร์ชัน pandas ล่าสุด

• 1.0.0

  • การเปิดตัวครั้งแรกของแพ็คเกจ
  • Python <= 3.9.9
  • quadprog <= 0.1.11