针对金融组合管理问题的深度强化学习框架 该存储库介绍了在哥伦比亚大学的背景下实现的项目中我们的工作。 这个深度政策网络强化学习项目是我们对原始论文实施和进一步研究 。 目标:问题是自动化投资组合管理的一个问题:给定一组股票,如何在一定数量的时间步长结束时最佳地通过时间分配资金以最大化回报。 通过这种方式,我们的目标是建立一个自动代理,以最佳地在不同股票之间分配其投资权重。 数据:姜等。 使用Poloniex交易所的13种加密货币。 他们考虑了每分钟的开盘价,最高价,最低价,收盘价(OHLC)。 它们使投资组合每30分钟重新平衡一次。 他们重新处理数据并基于最近的50个时间步创建张量。 我们使用每日数据和每日重新平衡的日内数据框架将实验扩展到股票市场。 该项目分为三个部分: 数据预处理 环境设置 深度政策网络设计 代理商的培训和测试 这些文件是: data_pipe.ipynb
2021-11-06 16:58:31 15.03MB JupyterNotebook
1
个人投资组合网站 个人作品集网站 我创建这个网站是为了展示和实践我对 HTML、CSS 和 Javascript 的学习。 我已经链接了我在学习前端开发过程中所做的一些项目。 这是我创建的第二个站点,用于展示我的学习进度和成为一名开发人员。 使用的工具:-HTML/CSS/Javascript/Git/Chrome Dev Tools
2021-11-03 15:43:10 1.1MB HTML
1
*信息:此函数根据用户指定的 Sortino 比率、夏普比率、平均总回报、平均下行风险、平均回报标准差和最大回撤的加权线性组合优化投资组合权重。 基本思想是提供一个目录作为输入'csv_dir'。 该文件夹应包含希望构成投资组合一部分的每个代码的历史数据的 .csv 文件。 然后,该函数将根据用户的标准返回优化的加权方案。 它还将为投资组合、替代等权重投资组合以及每个单独的股票代码输出历史业绩数据。 此外,您可以选择绘制一个矩阵,显示单个资产之间的相关性,以及一个 3D 点云,显示优化的投资组合在最高权重维度上的其他随机生成的投资组合中的位置。 该功能是使用Yahoo Finance( https://finance.yahoo.com/ )的数据设计的,但如果格式相似,则应与其他数据源一起使用。 尝试优化其中包含的样本组合(包含2006-2018年的数据),以更好地了解用例。 (见下面
2021-10-31 19:59:05 824KB matlab
1
金融课程 EDHEC商学院有关Coursera上使用python构建投资组合的金融课程的注释和示例。 这些课程是Python和机器学习专业化的投资管理的一部分: : 第一门课程:使用Python构建投资组合和分析入门, 链接: : 。 主题: 收益与风险价值 投资组合优化简介 超越多元化 资产负债管理导论 第二门课程:使用Python进行高级投资组合构建和分析, 链接: : 。 主题: 风格和因素 协方差矩阵的稳健估计 可靠的预期收益估算 实践中的投资组合优化 第三门课程:用于资产管理的Python和机器学习 链接: : 主题: 介绍机器学习的基础 机器学习技术
1
风险库 量化战略资产分配,每个人都很容易。 描述 Riskfolio-Lib是一个库,用于使用秘鲁制造的Python进行定量战略资产分配或投资组合优化 :Peru: 。它的目的是帮助学生,学者和从业人员轻松地基于数学上复杂的模型建立投资组合。它基于构建,并与数据结构紧密集成。 Riskfolio-Lib提供的一些关键功能: 具有4个目标函数的平均风险投资组合优化: 最低风险。 最大回报。 最大效用函数。 最大风险调整后回报率。 具有13个凸风险度量的平均风险投资组合优化: 标准偏差。 半标准偏差。 平均绝对偏差(MAD)。 较低的第一部分矩(Ω比) 第二较低的局部矩(Sortino比率) 条件风险价值(CVaR)。 熵值风险(EVaR)。 最坏情况的实现(Minimax模型) 最大跌幅(卡尔马率) 平均亏损 有条件的风险缩水(CDaR)。 熵降风险(EDaR)。 溃疡指数。 带有10个凸风险度量
2021-10-24 20:40:18 16.31MB finance trading portfolio-optimization sharpe-ratio
1
《项目组合管理标准(第2版)》是由美国项目管理协会推出的一个重要的国家性,也是事实上的全球性的标准,完全与项目管理知识体系指南(第4版)相一致与匹配。《项目组合管理标准(第2版)》介绍了项目组合管理的定义及项目组合管理的过程和组织,描述了一组文档化的流程,这些流程代表了在项目组合管理方面得到广泛认可的最佳实践,而且,这套标准还详细论述了持续的、可预测的、成功的项目结果对于实现和促进组织战略目标的意义。
2021-10-21 14:48:55 4.1MB PMI 项目 组合
1
HM Technologies产品组合 使用JavaScript库React和许多其他技术的个人作品集。 致谢 WOW.js-滚动动画 平滑滚动-滚动单击链接动画 建于 HTML SCSS JavaScript React.js Create React App入门 这些说明将为您提供在本地计算机上运行并运行的项目的副本,以进行开发和测试。 正在安装 克隆存储库。 git clone https://github.com/haykmell/portfolio.git 在终端中打开项目文件夹并编写。 npm start 探索。 Enjoy :)
2021-10-19 19:05:43 3.49MB JavaScript
1
ppt模板
2021-10-17 14:06:51 227KB ppt
Python_Portfolio__VaR_Tool 基于Python的风险管理工具,可从Yahoo Finance中获取数据,并计算基于单个股票和投资组合的不同类型的风险价值(VaR)指标以及许多其他风险/回报特征,包括独立的和相对于选择基准(使用wxPython构造) 此wxPython Notebook笔记本应用/小部件允许通过Pandas Datareader从Yahoo Finance检索股票/指数数据,这些数据又与初始投资组合权重和选择的基准相结合,以计算以下风险/回报指标: 历史回报(年度和每日-分别基于股票,基准和投资组合) 收益率的历史标准差(年度和每日-分别基于股票,基准和投资组合) 年夏普比率(分别基于股票,基准和投资组合) Beta(分别基于股票,基准和投资组合) 事后跟踪错误与选择的基准 基于单个股票和投资组合的每日收益直方图 基于单个股票和投资组合建
2021-10-16 00:15:18 586KB python portfolio benchmark risk
1
matlab马科维茨代码投资组合资产分配策略:从Markowitz到RNN 该研究项目将从18个欧盟债券指数和一个基准开始,探索用于优化投资组合分配的不同方法。 使用Matlab和Python开发的项目。 项目中使用的输入数据和技术 原始数据是从Eikon下载的1998年至2018年间18个欧盟国家的所有回报,所有到期债券指数价格。 汇率也下载了。 使用的技术包括:Markowitz框架中的权重预算,风险预算,恒定相关模型和递归神经网络。 项目结构 包含从原始.xlsx文件提取数据的代码 进行初步的数据探索和分析 在5年的两个不同时期内对不受约束和受约束的有效边界进行一些初步分析 复制了5年内同等权重和基准投资组合的可能演变 a003_...m和a004_...m文件探索了用于投资组合分配的不同高级技术,计算了资产权重随时间的变化,累积收益和各种策略的总体排名 文件夹/RNN包含与a004_a_Advanced.m使用的递归神经网络相关的python文件 有关使用项目文件的其他信息 大多数Matlab a00x_...m文件应独立存在,并使用.mat文件收集执行相应文件中包含的分析所需
2021-10-15 19:41:15 7.45MB 系统开源
1