pyportfolioopt

Par mkurman · zorai

Bibliothèque d'optimisation de portefeuille : optimisation moyenne-variance, Black-Litterman, CVaR, parité des risques, Hierarchical Risk Parity (HRP) et CLA. Modèles factoriels, estimateurs par rétrécissement et analyse du risque ex ante.

npx skills add https://github.com/mkurman/zorai --skill pyportfolioopt

Aperçu

PyPortfolioOpt implémente l'optimisation moyenne-variance, Black-Litterman, l'optimisation CVaR, la parité de risque, la Hierarchical Risk Parity (HRP) et CLA. Gère l'allocation d'actifs avec des modèles de facteurs et la décomposition des risques ex-ante.

Installation

uv pip install PyPortfolioOpt

Portefeuille Max Sharpe

import yfinance as yf
from pypfopt import EfficientFrontier, risk_models, expected_returns

prices = yf.download(["AAPL", "MSFT", "GOOGL"], start="2022-01-01")["Close"]
mu = expected_returns.mean_historical_return(prices)
S = risk_models.sample_cov(prices)

ef = EfficientFrontier(mu, S)
weights = ef.max_sharpe()
print(ef.clean_weights())
perf = ef.portfolio_performance()
print(f"Return: {perf[0]:.2%}, Vol: {perf[1]:.2%}, Sharpe: {perf[2]:.2f}")

HRP

from pypfopt import HRPOpt
returns = prices.pct_change().dropna()
hrp = HRPOpt(returns)
weights = hrp.optimize()

Références

Skills similaires

trtllm-moe-develop
nvidia / skills

Auditer et aligner le code MoE TensorRT-LLM avec l'architecture de référence.

1 033
eval-bootstrap
datadog-labs / agent-skills

Générer du code d'évaluation Python à partir de traces de production LLM Datadog.

126
ad-model-onboard
nvidia / skills

Automatiser l'intégration de modèles HuggingFace dans AutoDeploy avec tests et rapport.

1 033
claude-api
anthropics / skills

Construire des applications LLM avec Claude via le SDK officiel adapté au langage.

146 952
pinecone-full-text-search
pinecone-io / skills

Créer et interroger un index full-text-search Pinecone avec l'API preview.

14