PyPortfolioOpt · 第 1 章 认识 PyPortfolioOpt 与快速上手

PyPortfolioOpt · 第 1 章 认识 PyPortfolioOpt 与快速上手

章节摘要:本章是全教程的入口。PyPortfolioOpt 是 Robert Andrew Martin 维护的知名 Python 投资组合优化库,把马科维茨均值-方差、Black-Litterman、HRP、CLA、CVaR 等经典模型封装成一套模块化 API,设计灵感来自 scikit-learn。本章先讲清「它是什么、解决什么问题、能力清单」,再用 pip 安装并跑出第一个最优组合,最后梳理贯穿全书的「四层可替换架构」——收益模型、风险模型、目标函数、优化器,每一层都可独立替换。本章共 3 节,无前置依赖,适合从零开始。

学习目标

阅读完本章,你应当能够:

1. 说清 PyPortfolioOpt 解决的问题与适用场景。
2. 用 pip 完成安装,并准备好价格 DataFrame 输入。
3. 跑通第一个最优组合,输出权重与预期表现。
4. 用「四层架构」描述全库的组织方式。

核心概念速览

投资组合优化的本质是——给定对未来收益与风险的估计,在约束下找出最优的资产权重。

子章节导航

01 是什么

PyPortfolioOpt 的定位、能力清单、与同类库的差异、许可证与学术发表。

02 安装与第一个组合

pip 安装、依赖说明、准备价格数据、调用 mean_historical_return + CovarianceShrinkage + EfficientFrontier 跑出权重。

03 四层架构总览

收益模型、风险模型、目标函数、优化器四层的职责划分与替换方式,贯穿全书主线。

子章节之间的逻辑关系

第 01 节(是什么) ──► 第 02 节(装并跑) ──► 第 03 节(看架构)
                                                 │
                                                 ▼
                              下一章(第 2 章 期望收益模型)
​

前置知识与后续延伸

前置知识:

• 无(Python 与 pandas 基础即可)

后续延伸:

• 第 2 章深入第一层「收益模型」
• 第 3 章深入第二层「风险模型」
• 第 4 章把收益与风险喂给「优化器」