针对Markowitz的均值-方差模型的缺陷，用信息熵代替方差度量风险，用反映资金的增值速度的增值熵代替均值，提出了一种新型投资组合模型――最小信息熵-最大增值熵模型，并通过多目标决策方法中的模糊集理论对模型进行求解。同时，给出了通过引入权重系数，将原模型转化为了具有单一目标函数的求解方法。最后通过上海证券交易所的实际数据验证了模型的可行性和有效性。

简洁图文组合网站模板是一款非常简洁实用的投资组合类网站模板。.zip简洁图文组合网站模板是一款非常简洁实用的投资组合类网站模板。.zip

论文研究-基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究.pdf,  鉴于股票波动具有显著的多尺度特征，本文引入二元经验模态分解（EMD）与二元Copula-GARCH算法，提出一种新的VaR风险度量模型，即BEMD-Copula-GARCH模型.具体地，新BEMD-Copula-GARCH模型可分为三个主要步骤：数据分析，分风险估计和总风险集成.首先，基于二元EMD模型，将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量，以降低建模难度.其次，引入二元Copula-GARCH模型，刻画各组分量间的相互关系，以度量股票投资组合在不同尺度上的分VaR值.最后，集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合，结果表明：本文所构建的新模型能有效度量投资组合风险，其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.

确定性清洁机器人的基于模型的策略迭代算法。 这段代码是策略迭代算法的一个非常简单的实现，对于强化学习和动态规划领域的初学者来说，它是一个有用的起点。 确定性清洁机器人 MDP：清洁机器人必须收集用过的罐子，还必须为电池充电。 状态描述了机器人的位置，动作描述了运动的方向。 机器人可以向左或向右移动。 第一个 (1) 和最后 (6) 个状态是终止状态。 目标是找到一个最优策略，使任何初始状态的回报最大化。 这里是policy-iteration（基于模型的策略迭代DP）。 参考：算法 2-5，来自： @book{busoniu2010reinforcement, title={使用函数逼近器的强化学习和动态规划}， 作者={Busoniu，Lucian 和 Babuska，Robert 和 De Schutter，Bart 和 Ernst，Damien}， 年={2010}, 出版商={CR

最优库存分配 使用Python中的现代投资组合理论自动优化投资组合的资产权重和分配。

matlab开发-基于模型的策略迭代gorithmfordeterministiccleaningrobot。基于模型的策略迭代强化学习实例

OLPS, 在线投资组合选择工具箱 OLPSOLPS是一个用于在线投资组合选择的开源工具箱，它包括一系列在 matlab/Octave 中实现的行portofolio选择策略的经典和非经典。快速启动OLPS_gui.m 在GUI模式( 建议，仅在Matlab中可用

预期收益，方差和协方差是均方差投资组合选择问题的关键输入。 在传统的均值-方差投资组合模型中，先验排除了模型不确定性。 但是实际上，这些参数不是先验已知的，通常会估计有误。 当前的研究将模型不确定性纳入均值方差框架，但主要集中在不确定性均值上。 本文的目的是通过模糊性和模糊性厌恶的概念将不确定方差-协方差纳入均值方差投资组合模型。 本研究中开发的方法在数值上比较了收益歧义性和方差歧义性的影响。 尤其是，应通过股指数据重新检查不确定的方差-协方差是否会导致“不参与股市”和/或“房屋偏差”。

通用组合 该软件包的目的是将不同的在线投资组合选择算法放在一起，并为它们的分析提供统一的工具。 如果您不知道什么是在线投资组合，请查看， 或最近的一项。 简而言之，在线投资组合的目的是选择每个时期的投资组合权重，以最大化其最终财富。 这样的投资组合的例子可以是或。 当前，在线投资组合中有活跃的研究，尽管其结果大部分是理论上的，但实际使用的算法却开始出现。 基于现有文献和我的理解，目前已实现了文献中的几种算法。 非常欢迎您提供文稿或进行更正。 资源 有一个解释了该库的基本用法。 Paul Perry对此进行了跟进，并对较新的ETF数据集上进行了。 另请参阅最新。 关于讨论也很有趣。 一些算法的原始作者最近在github MATLAB中的在线投资组合选择工具箱中发布了自己的实现。 如果您更喜欢R，或者只是在寻找关于Universal Portfolios的良好资源，请查看Marc D

pyfolio pyfolio是一个由开发的Python库，用于对金融投资组合进行绩效和风险分析。 它与开源回溯测试库很好地配合。 Quantopian还提供其中包括Zipline，Alphalens，Pyfolio，FactSet数据等。 pyfolio的核心是所谓的撕纸，它由各种单独的图组成，这些图提供了交易算法性能的全面图像。 这是一个简单的撕裂表分析策略的示例： 另请参阅。 安装 要安装pyfolio，请运行： pip install pyfolio 发展 对于开发，您可能希望使用来避免pyfolio与您拥有的其他Python项目之间的依赖关系冲突。 要设置虚拟环境，请运行： mkvirtualenv pyfolio 接下来，克隆此git存储库并运行python setup.py develop ，直接python setup.py develop和编辑库文件。 OSX