PyPortfolioOpt · 第 6 章通用有效前沿 CVaR 与 Semivarian...

文档摘要

PyPortfolioOpt · 第 6 章通用有效前沿 CVaR 与 Semivariance 与 CDaR 章节摘要:方差假设收益对称正态,但真实金融收益偏斜厚尾,「下行」与「上行」并不对等。本章用统一框架替换风险度量:半方差(Semivariance)只惩罚低于均值的下行波动;CVaR 条件风险价值衡量损失超过 VaR 的尾部期望,直击极端风险;CDaR 条件回撤衡量回撤超过阈值的期望,贴合「最大回撤」直觉。三者都不依赖正态假设,更适合厚尾分布。本章共 3 节,前置依赖为「第 4 章」。学习目标阅读完本章,你应当能够: 用 EfficientSemivariance 做半方差优化。用 EfficientCVaR 做条件风险价值优化。

PyPortfolioOpt · 第 6 章通用有效前沿 CVaR 与 Semivariance 与 CDaR

章节摘要:方差假设收益对称正态,但真实金融收益偏斜厚尾,「下行」与「上行」并不对等。本章用 GeneralEfficientFrontier 统一框架替换风险度量:半方差(Semivariance)只惩罚低于均值的下行波动;CVaR 条件风险价值衡量损失超过 VaR 的尾部期望,直击极端风险;CDaR 条件回撤衡量回撤超过阈值的期望,贴合「最大回撤」直觉。三者都不依赖正态假设,更适合厚尾分布。本章共 3 节,前置依赖为「第 4 章」。

学习目标

阅读完本章,你应当能够:

用 EfficientSemivariance 做半方差优化。
用 EfficientCVaR 做条件风险价值优化。
用 EfficientCDaR 做条件回撤优化。
理解三者与方差的差异及适用场景。

核心概念速览

风险不是波动,而是亏损——下行、尾部、回撤才是投资者真正害怕的东西。

子章节导航

01 半方差

EfficientSemivariance,只惩罚低于目标收益的下行波动。

02 CVaR 条件风险价值

EfficientCVaR,损失超过 VaR 的尾部期望,衡量极端风险。

03 CDaR 条件回撤

EfficientCDaR,回撤超过阈值的期望,贴合最大回撤直觉。

子章节之间的逻辑关系


第 04 章(方差优化)── 对称正态假设
        │
        ▼ 替换风险度量
第 01 节(半方差)── 只看下行
第 02 节(CVaR)── 看尾部
第 03 节(CDaR)── 看回撤
        │
        ▼
第 7 章(Black-Litterman)── 替换收益输入

前置知识与后续延伸

前置知识:

第 4 章(均值-方差优化基础)

后续延伸:

第 7 章从风险端转到收益端,用 Black-Litterman 替换收益输入
第 8 章 HRP 完全绕开协方差与这些风险度量

PyPortfolioOpt · 第 6 章 通用有效前沿 CVaR 与 Semivarian...