pymcef 0.2.8

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。

A Quickstart tutorial

Benchmark

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。

One example when mean variance model fails

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：

1. A python dictionary, storing the asset index and weight in the portfolio
2. In sample performance (Sharpe ratio etc.)
3. The lower and upper bound for the risk tolerance producing this particular portfolio
4. 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。