PyPortfolioOpt · 第 5 章 进阶均值方差

PyPortfolioOpt · 第 5 章 进阶均值方差

章节摘要:本章把第 4 章的均值-方差优化推向工程实战。真实组合优化往往带额外诉求:允许做空并对冲市场敞口(市场中性)、避免权重过度集中在少数资产上(L2 正则减少零权重)、按自身目标定制求解(自定义目标函数)。PyPortfolioOpt 的 objective_functions.py 与 EfficientFrontier 的 add_constraint 机制提供了灵活的扩展点。本章共 3 节,前置依赖为「第 4 章」,是衔接「标准优化」与「生产落地」的关键一步。

学习目标

阅读完本章,你应当能够:

1. 用 add_constraint 加多空与市场中性约束。
2. 用 L2 正则 减少零权重,让权重分布更平滑。
3. 写自定义目标函数并传给 EfficientFrontier。
4. 理解 objective_functions.py 的扩展点设计。

核心概念速览

标准模型给的是「数学最优」,工程落地要的是「可用最优」——约束与正则就是把两者拉近的工具。

子章节导航

01 约束多空与市场中性

weight >= 0 之外的不等式约束、允许做空、市场中性(组合 beta 趋零)。

02 L2 正则减少零权重

L2 正则项 gamma 调节权重平滑度,避免极端集中与过多零权重。

03 自定义目标函数

objective_functions 的结构、如何写一个凸目标函数并传给 efficient_frontier。

子章节之间的逻辑关系

第 01 节(约束)──► 第 02 节(正则)──► 第 03 节(自定义目标)
   控制可行域         平滑权重          完全定制
                                            │
                                            ▼
                                第 6 章(换风险度量:CVaR/SV/CDaR)
​

前置知识与后续延伸

前置知识:

• 第 4 章(EfficientFrontier 与五种目标)

后续延伸:

• 第 6 章把方差换成 CVaR、Semivariance、CDaR
• 第 10 章 BaseOptimizer 是更深度的自定义入口