用于教育目的或研究基础的简化 Treynor-Black 投资组合管理模型。 该模型应用现代投资组合管理原则来组合被动和主动投资组合组件。 该模型允许管理多头/空头头寸，并允许对估计参数进行模块化扩展。 该示例引用了 Bodie、Kane 和 Marcus 的《投资》第 9 版。

Portfolio_Optimizer:优化投资组合-计算每日资产的执行年度收益和年度样本协方差矩阵

投资组合优化器 概述 投资组合优化器有两个接口：证券回报检索和优化。 Getstocks.py 从雅虎财经获取给定证券的月回报。 Optimize.py 利用 Harry Markowitz 的投资组合理论和 EV 理论，通过生成必要的分配来以最小的投资组合方差实现所需的回报。 还绘制了一个有效边界并沿着边界定位用户的投资组合。 样本输出

Portfolio - Optimizer Latest Release Build Status Coverage 该项目在中被使用。 TODO lists Potfolio - optimizer由于有大量的c++代码，造成其使用困难。对于依赖的库而言（例如：alpha-mind)，也是使得被依赖库难以使用。所以Portfolio - Optimizer将有一次重大的重构，包括： 提供完整的python接口； 作为标准的python包在pypi上发布； 增加多期优化的能力。 安装 PYPI $ pip install portfolio-optimizer Source $ python setup.py install

介绍了CVaR的概念及算法，并利用CVaR对风险进行度量，提出一个新的基于CVaR风险度量方法的投资组合优化模型。利用股票数据进行了实证分析，验证了模型的有效性。

在集成机器学习中，我们结合专家的决策来得出比单个决策更好的决策。 组合这些决策的过程可以像多数投票或简单平均一样简单，也可以更复杂，涉及多个步骤。 在本文中，我们考虑将集成机器学习应用于根据多个专家的个人决策构建投资组合的问题。 我们将比较通过简单平均和新颖的多级决策算法构建的投资组合的性能。 这种新算法从单个投资组合中的股票子集构建投资组合。 与这些单独的投资组合和通过简单平均构建的投资组合相比，通过所提出的方法构建的投资组合可能会导致更高的年化回报和适度的波动性增加。 我们对新方法的可行性进行了广泛的数值比较。

基于ESG得分的股票选择和投资组合绩效分析 概括 该分析研究了在标准普尔500指数中选择证券所构建的投资组合的绩效。股票选择基于行业和ESG得分。投资组合中的股票具有同等的权重，并且将表现与标准普尔500指数中所有证券的同等权重基准进行比较。 数据 Yahoo Finance提供有关价格，行业和ESG得分等财务信息的信息 标准普尔500指数证券列表的Datahub 笔记本 参考

matlab选股代码爱格 我的MATLAB代码用于E-GARCH价值加权投资组合估算。 该示例基于1926年7月至2014年12月来自CRSP的月度股票收益数据。通过在最后一个交易日结束时对股票收益加权（按市值），可以得出行业投资组合收益（SIC代码有12种行业分类）。的月份。 为了估算EGARCH（p，q）模型，我首先进行去意过程以获取残差。 然后执行标准的EGARCH程序。 我决定选择行业4（能源）和行业8（公用事业）进行比较。 与能源公司相比，能源公司和公用事业公司的两种模型产生的参数非常相似，对波动性冲击的影响要比上一时期实现的冲击大得多，公用事业的持续波动性也较低。 为了选择最佳的模型方法，可以使用样本外，交叉验证和罚分等方法。 我选择了第二种方法，并使用AIC惩罚来衡量拟合优度。 文件“ estim_egarch”和“ likelihood_egarch”包含MATLAB函数以估算E-GARCH模型，而文件“ example”中提供了其应用示例。 您可以在附图上看到两个行业的预测波动率结果。

Personal-Portfolio：按照freecodecamp响应式Web设计项目的指导方针，创建了一个个人投资组合页面。

【金融大数据分析】投资组合（2只股票）