文件名称：SparseIndex:稀疏索引跟踪问题的代码
文件大小：1.12MB
文件格式：ZIP
更新时间：2024-06-14 12:26:17
Python
稀疏索引 稀疏索引跟踪问题的代码。 我们采用用户构建的股票代码索引，并在索引中的股票收益矩阵上训练模型。 在给定的日期范围内。 目标是计算一个由索引中的股票稀疏子集组成的投资组合，该投资组合将以较小的跟踪误差来跟踪该指数。 也就是说，我们正在尝试快速查找问题的近似值： min_w || Rw-y || _2 + \ lambda * card（w）服从w \ geq 0，\ sum_i w_i = 1 其中R是收益的mxn矩阵。 n是索引中的资产数量。 在训练集的时间段中，因此第i列是第i种资产的回报向量。 w是权重的长度n向量。 w_i代表投资于资产i的投资组合的比例。 y是长度m向量，代表训练期间复合指数的收益 card（w）将w映射为其基数。 lambda是一个正则化参数，会惩罚解决方案的基数。 约束w \ geq 0表示我们不允许卖空\ sum_i w_i = 1是规范
【文件预览】：
SparseIndex-master
----test_sparseIndex.pyc(3KB)
----createReturnDatabase.py(2KB)
----run.py(1KB)
----test_multiProcessingSparseIndex.py(2KB)
----__init__.py(0B)
----sparseIndex.py(9KB)
----validateSparseIndex.py(4KB)
----mr()
--------reducer.py(2KB)
--------__init__.pyc(101B)
--------mapper.py(3KB)
--------input(227B)
--------__init__.py(0B)
--------input_small(8B)
----README.md(1KB)
----test_sparseIndex.py(2KB)
----test_validateSparseIndex.py(933B)
----test_multiProcessingSparseIndex.pyc(4KB)
----multiProcessingSparseIndex.py(6KB)
----test_validateSparseIndex.pyc(2KB)
----returnData.db(2.54MB)