active portfolio management --A Quantitative Approach for Providing Superior Returns and Controlling Risk by Richard C. Grinold and Ronald N. Kahn.

项目总结 -建立智能的Beta产品组合，并将其与基准指数进行比较。 -根据索引计算跟踪误差。 -通过使用二次编程来优化权重来构建投资组合。 -重新平衡投资组合并计算营业额以评估绩效，然后使用此指标找到最佳重新平衡频率。

个人档案页 FreeCodeCamp挑战的个人投资组合网页。

投资组合页面 freeCodeCamp 响应式网页设计证书的作品集页面 为 fCC 项目完成。 随着时间的推移，这肯定会被重新设计并添加更多内容。 主图像是我用尼康D34拍摄的照片。 使用的调色板： : GitHub io: 版权所有 (c) 2020 罗伯特·德斯蒙德

预订系统组合项目 必须拥有/应该拥有 原始作业： 添加预订 在表格中显示预订 修改预订 删除预订 通过Firebase托管后端 使用情况统计 贮存 代管 可能有 增强的用户体验 根据不同的属性（例如姓名，人数，时间，到达时间）对预订表进行排序 上面提到的不同属性的搜索功能

PORTFOLIO项目案例展示企业网站模板_项目 案例 展示 bootstrap 响应式 手机 ui设计 lightbox 相册 图片 摄影.rar

数据结构图投资组合分配 使用邻接矩阵或邻接表和各种算法（例如深度优先搜索，广度优先搜索和Dijkstra算法）存储的无向和有向图抽象数据类型的Python3实现。 该项目在2021年冬季季度完成，在Tim Alcon教授的指导下，在OSU的CS 261数据结构课程中完成。 这两个文件中已经提供了各种测试用例。 只需运行： $ ./d_graph.py 或者 $ ./ud_graph.py

通过概率经验回报分布估计和混合整数线性规划的均值-VaR投资组合优化 在此存储库中的Jupyter笔记本（.ipynb）中，我们提供了一种流行的现代投资组合理论（MPT）方法的替代方法，以优化资产分配。 与MPT相反，在MPT中，财务风险是通过预测收益的波动性（即标准误）来建模的，我们选择通过预测收益的经验性联合分布并制定优化问题以选择资产的目的，来更明确地表征此风险。分配以最大化该分布的均值，并限制资产选择的选择，以确保不会违反根据此经验分布测得的某些风险值（VaR）。 这种方法的主要原因是要解决MPT的主要缺点之一，即不一定捕获回报分配中可能很重的尾巴的行为，从而低估了资产的实际风险。 总体方法可以总结如下： 我们基于历史资产收益建立时间序列模型，以使模型的残差独立且均匀地分布（iid）。 我们使用模型和残差来生成自举预测，即使用时间序列模型预测下一个返回值，并从iid残差中随机采

Portfolio-manager：与Django REST Framework一起完成的API，用于管理我的项目组合

投资组合变量 WebApp-计算投资组合的VAR / CVAR