Beta作为一种基于股票市场价格的风险度量，已经在强势，半强势和弱势市场中进行了广泛的辩论和研究。 已经证明，既没有负值也没有异常β。 过去的研究在研究beta及其行为时很少考虑前沿市场和婴儿市场，例如达累斯萨拉姆证券交易所（DSE）。 通过从DSE数据库中提取的2018年连续246天交易期内17家公司的相应收盘价，本研究通过测试股票和投资组合的回报率和敏感性来检查婴儿市场的交易频率异常。 通过计算DSE交易股票的beta，这项研究发现了许多异常情况。 股票显示不像债券那样频繁交易。 价格在短时间内保持不变，有时股票根本没有交易。 由于波动很小，这些股票表现出异常行为，有时会导致beta值为负。 我们得出结论，这可能是由于两个主要原因。 首先，东非投资者和公众对股票市场了解不足，其次，市场还很年轻，交易平台和基础设施还不完善。 因此，我们建议决策者通过考虑这项研究的结果来优化该地区的股票交易。

python构建投资组合

蟑螂 先决条件 使用此软件的第一步是下载代码的本地副本。 可以通过GitHub直接下载源代码，也可以使用git将其克隆出来，如下所示： $ git clone https://github.com/JacobRajah/Stockroach.git 获得源代码的副本后，请确保已安装npm ，然后在server.js目录和client目录中都运行以下命令以在本地安装所有必需的节点模块： $ npm install 运行程序 要以开发模式运行网站，请执行以下操作： $ npm run dev 这将在浏览器中的localhost：3000上启动UI。

论文研究-自融资均值方差投资组合模型的旋转算法.pdf,  将自融资投资组合问题用一个以极小化方差风险为目标的凸二次规划表示,用线性不等式组的一种旋转算法解其库恩塔克条件的线性部分并使互补松弛条件得以满足.

提出了一种新的方法来将投资组合管理的双目标优化模型重新构建为无约束最小化问题，其中目标函数是分段二次多项式。 我们介绍了这种目标函数的一些性质。 然后，开发了一种基于众所周知的共轭梯度法的罚分算法，以寻找投资组合管理问题的解决方案。 通过实现所提出的算法来解决中国股市的实际问题，表明该算法是有前途的。

mvportfolio mvportfolio是一个简单的Python程序包，可根据均值方差投资组合（MVP）理论分析和管理投资组合。 安装 从来源 打开一个终端并执行 git clone http://github.com/yhilpisch/mvportfolio cd mvportfolio python setup.py install 通过pip 打开一个终端并执行 pip install --index-url https://test.pypi.org/simple/ mvportfolio 第一步 首先进口一些。 from pylab import plt import mvportfolio as mvp plt . style . use ( 'seaborn' ) % matplotlib inline 第二，主类MVPPortfolio的实例。 p =

Multi-factor-Model:使用多个alpha因子构建投资组合

用Python QuantStats编写的量化工具的投资组合分析：量化工具的投资组合分析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度量，可以更好地了解其绩效。 Changelog»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，每月报告

使用R语言构造投资组合

哪些变量提供了有关未来收益横截面的独立信息？ 当候选变量的数量很大并且交叉项可能很重要时，投资组合排序和 Fama-MacBeth 回归不能轻易回答这个问题。 我们介绍了一种基于机器学习文献中可以在这种情况下使用的思想的新方法。 将该方法应用于基于过去回报的未来回报预测，短期回报成为最重要的预测因素。 基于我们的研究结果的交易策略的信息比率是考虑双向交互的 Fama-MacBeth 回归的两倍。 交易成本并不能解释结果。