基于蒙特卡罗模拟收益的有效前沿
pymcef的Python项目详细描述
python monte carlo efficient frontier(pymcef)包
目的
pymcef是一个python包,它可以基于monte carlo模拟返回生成有效的frontier。
PyCEF是基于公理化的二阶随机占优投资组合理论。以绝对半方差和绩效预期固定目标作为风险度量 这个随机规划问题。 这两种风险度量在均值-方差模型中不存在理论缺陷。
用户输入
投资领域所有资产的蒙特卡罗模拟收益是输入 将被用来训练有效率的边疆。
(可选)返回作为有效边界性能的验证集。
计算结果
作为有效投资组合向量存储的完全有效边界, 每个都包含以下内容:
- A python dictionary, storing the asset index and weight in the portfolio
- In sample performance (Sharpe ratio etc.)
- The lower and upper bound for the risk tolerance producing this particular portfolio
- Validation performance, if validation Monte Carlo simulated returns are provided.
优势
这个包实现了robert j.vanderbei教授在其著作中介绍的算法: Linear Programming: Foundations and Extensions和纸张Frontiers of Stochastically Nondominated Portfolios
该算法是非常有效的,首先风险容忍度(拉格朗日乘子)是无限的,并且 投资组合在平均回报最大的资产中为100%,只有在有效的投资组合中 我们将参观边境。资产数量与模拟收益率之积小于 1000万,建设全高效边疆所需时间不到1分钟。
高效前沿构造与其他lp求解器的速度比较
此算法基于模拟返回,因此它与模型无关
这给用户带来巨大的灵活性,因为没有对回归分布类型(例如高斯)的假设。