skfolio如何设置各种参数

Question

我已经开始使用 skfolio，使用 skfolio.datasets (sp500) 中给出的投资组合。我的想法是使用 sp500 作为我的宇宙来运行一个由同等权重的股票组成的投资组合。为此，我执行以下操作：

import skfolio
from skfolio.datasets import load_sp500_dataset
from skfolio.preprocessing import prices_to_returns

prices=load_sp500_dataset()
X=prices_to_returns(prices)
X_train, X_test = train_test_split(X, test_size=0.33, shuffle=False)

model = skfolio.optimization.naive.EqualWeighted()

model.fit(X_train)

portfolio = model.predict(X_test)

print(portfolio.annualized_sharpe_ratio)
print(portfolio.summary())

所以这里我使用 SP500 指数的数据并应用等权重投资组合模型。它返回投资组合的各种统计数据（偏度、峰度……），我可以用

绘制累积收益

portfolio.plot_cumulative_returns()

我对上述内容有一些疑问/问题，因为似乎很多参数已“默认”定义。我相信它们都可能与某种 set_parameters 函数相关（？）。特别是：

• 我的投资组合中要考虑的资产数量（据我所知，资产数量设置为 20）。我怎样才能更改该号码？
• 我觉得优化器每天都会重新平衡投资组合以使其权重相等（？）。如何更改重新平衡的频率（例如每周、每月、每季度、每年）？
• 有没有办法设定投资组合的运行周期？目前它从 2012 年的某个地方开始（可以修改为 2002 年还是其他什么？）
• 关于累积回报的图是关于非复利回报的。有没有办法获得复合回报？

Answer 1

我是 Skfolio 的核心开发人员之一。

回答第 1 点和第 3 点

您的资产数量和开始周期与您的输入相关联

X

，这是您的资产回报时间序列。

在您的示例中，您使用 EqualWeighted 分配模型。该模型将 1/20 的权重分配给您输入回报中的 20 种资产

X

。要更改它，您需要通过删除列（资产）或行（日期）来修改输入。

当使用其他模型时，例如MeanRisk，由于这些模型支持权重和基数约束，因此您可以通过模型参数控制投资资产的数量：MeanRisk Cardinality Constraints。

另一种选择是通过 预选变压器：预选变压器。

---

第4点的答案

要使用复合回报进行投资组合评估（例如，绘图、风险统计等），您需要设置

compounded=True

：

from skfolio.optimization import EqualWeighted
from skfolio.datasets import load_sp500_dataset
from skfolio.preprocessing import prices_to_returns

prices = load_sp500_dataset()
X = prices_to_returns(prices)

# Without compounded returns
model = EqualWeighted()
ptf = model.fit_predict(X)
ptf.cumulative_returns_df.tail()

# With compounded returns
model = EqualWeighted(portfolio_params=dict(compounded=True))
ptf = model.fit_predict(X)
ptf.cumulative_returns_df.tail()

---

第5点的答案

就再平衡而言，有两个不同的概念，有时都称为“再平衡”：

1. 模型改装
   这会改变目标权重，例如，每月重新拟合 MVO（均值方差优化）模型。
   使用交叉验证器执行模型重新拟合：交叉验证器示例。

2. 重新平衡目标权重
   这是指在两次重新安装之间进行重新平衡，以避免随着资产价格差异而出现权重漂移。

---

第二种类型的重新平衡以与输入数据相同的频率发生，因此在您的示例中每天都会发生。

原因是 Skfolio 中的投资组合模型和交叉验证器用于模型验证、选择和参数调整。因此，模型评估对于优化过程必须是“同质的”。例如，如果您使用具有 10% 波动性约束的 MeanRisk 模型 调用

model.fit_predict(X)

，则同一训练集 X 上的预测投资组合也必须具有 10% 的波动性。否则，你以后在模型选择、评估和比较方面都会产生问题。从数学上讲，这意味着在重新拟合之间，投资组合收益计算为收益和权重的点积。

更多详细信息请参见此处：

投资组合模型

。

补充说明

---

如果您需要更精细的粒度来模拟重新装配之间的重量漂移，可以将 Skfolio 与回溯测试包一起使用。

如果您还有其他问题，请告诉我！

---