最优投资组合模型.ppt

有关matlab实现灵敏度分析的大致步骤

matlab 分析代码讲解REDIM 对梯度估计的敏感性分析 本项目中提供的 MatLAB 代码用于处理React扩散流形 (REDIM) 对梯度估计的敏感性分析。 这里研究了一个简单的测试示例： 代码的结构如下： detail_solution --> 本文件夹包含源码计算详细解 1D_REDIM --> 该文件夹包含源代码，用于生成 1D REDIM 还原化学和梯度估计的灵敏度 2D_REDIM --> 该文件夹包含源代码，用于生成 2D REDIM 还原化学和梯度估计的灵敏度 更多解释可以在相应的子文件夹中找到

2009年写的matlab mdp源码，里面有全部的英文document介绍说明 2009年写的matlab mdp源码，里面有全部的英文document介绍说明

QuantStats：量化指标的投资组合分析 QuantStats Python库执行投资组合分析，通过向量化分析人员和投资组合管理人员提供深入的分析和风险指标，使他们更好地了解其绩效。 QuantStats包含3个主要模块： quantstats.stats用于计算各种性能指标，例如夏普比率，获胜率，波动率等。 quantstats.plots用于可视化性能，缩编，滚动统计，月收益等。 quantstats.reports用于生成度量标准报告，批处理图和创建可另存为HTML文件的撕纸。 这是一个简单的撕裂表分析策略的示例： 快速开始 % matplotlib inline import quantstats as qs # extend pandas functionality with metrics, etc. qs . extend_pandas () # fetch th

离散控制Matlab代码TT-HJB 针对Hamilton-Jacobi-Bellman（HJB）方程的牛顿策略迭代的Tensor Train（TT）实现。 有关数学描述，请参见[]。 安装 该代码基于和Matlab软件包。 下载或克隆两个存储库，并将所有子目录添加到Matlab路径。 内容 开头提供了每个文件的详细说明，也可以通过Matlab help功能进行访问。 例如，有关TT-HJB求解器的语法，请参见help('hjb_leg') 。 数值测试脚本 这些是应该运行的顶级脚本，用于重现本文中的数值实验。 test_hjb_allencahn1.m一维Allen-Cahn方程（4.1节）。 可以通过设置有限的umax参数来打开控制约束。 test_hjb_allencahn2.m二维Allen-Cahn方程。 请注意，二维测试会占用大量CPU时间。 test_hjb_fokker.m Fokker-Planck方程（第4.2节）。 parse_parameter.m输入参数的辅助文件 所有测试都要求用户从键盘输入模型和近似参数。 提示中提供了默认参数，这些默认参数可用作开始的实验

中文版的MDP详细讲解，包括公式的完整推导过程，内容详细，通俗易懂，是学习MDP和强化学习难得的参考资料。

riskParityPortfolio riskParityPortfolio提供了用于设计风险平价投资组合的工具。 在最简单的形式中，我们考虑了提出的具有唯一解决方案的凸公式，并使用了受启发的循环方法。 对于通常是非凸的更一般的公式，我们采用提出的逐次凸逼近方法。 最新的RiskParityPortfolio稳定版本可从。 可以从获取RiskParityPortfolio的最新开发版本。 在此处查看文档： https : //mirca.github.io/riskParityPortfolio 。 安装 要从CRAN安装最新稳定版本的riskParityPortfolio ，请在R中运行以下命令： > install.packages( " riskParityPortfolio " ) 要从GitHub安装开发版本的riskParityPortfolio ，请在R中运

POMDP：基于部分可观察的马尔可夫决策过程实现RL算法

投资组合优化实验室（PortfolioLab） PortfolioLab是一个python库，可让希望利用行业专业人员使用的最新投资组合优化算法的交易者使用。 此回购面向公众，其唯一目的是为用户提供一种简便的方法来引发错误，功能请求和其他问题。 文档和教程 通过提供大量的文档和教程笔记本以及代码示例，我们降低了所有用户的进入门槛。 谁是哈德逊和泰晤士河？ Hudson and Thames Quantitative Research是一家致力于在量化金融领域实施最前沿的算法的公司。 我们将所有工具以库的形式正式生产，并为客户提供功能。 将我们的库添加到您公司的管道中，就像添加一个博士研究人员部门一样。 点安装installationlab 联系我们 与团队联系的最佳地点是通过Slack渠道。 或者，您可以通过以下方式给我们发送电子邮件： 。 期待您的回音！ 执照 该项目下的所