online-portfolio-selection:(2021年Spring)当前在线投资组合选择算法的比较

时间:2024-05-09 18:29:44
【文件属性】:

文件名称:online-portfolio-selection:(2021年Spring)当前在线投资组合选择算法的比较

文件大小:29.1MB

文件格式:ZIP

更新时间:2024-05-09 18:29:44

Python

当前在线投资组合选择算法的比较 ACM Research,2021年Spring 背景 在线投资组合选择是计算金融中的一个基本问题,它决定了如何在各种资产之间分配财富以最大化回报。 在该项目中,参与者将在各种股票投资组合上实施并基准化一些当前解决此问题的方法(如科学文献中所述)的性能。 客观的 在对历史数据进行回测时,哪种最先进的在线投资组合选择算法表现最佳? 项目时间表和建造之夜议程 可用。 开发说明 克隆存储库。 在名为env的项目根目录中创建并激活虚拟环境。 有关设置虚拟环境的更多信息,请参见。 使用pip install -r requirements.txt安装所有必需的软件包。 开始开发。 测验 运行测试: python -m pytest 编写测试: 在tests/创建一个新文件,并遵循标准的Pytest约定编写测试。 贡献者 研究主管 -教师顾问


【文件预览】:
online-portfolio-selection-main
----presentations()
--------bn7.pdf(339KB)
--------fa1.pdf(117KB)
--------bn1.pdf(863KB)
--------bn2.pdf(116KB)
--------bn8.pdf(501KB)
--------bn4.pdf(314KB)
--------bn3.pdf(491KB)
--------bn6.pdf(979KB)
--------bn5.pdf(581KB)
----olps()
--------strategies()
--------util.py(467B)
--------market()
--------visualization()
--------datasources()
--------data_preprocessor()
----data()
--------mar22toapril1()
--------mar29toapril1()
--------mar29test()
----.github()
--------workflows()
----tests()
--------test_kernel_based_datasource.py(5KB)
--------test_ac_strategy.py(2KB)
--------test_Best_Stock_Strategy.py(2KB)
--------test_exp_grad_strategy.py(2KB)
--------test_kernel_based_semi_log_strategy.py(3KB)
--------test_strategy.py(2KB)
--------test_kernel_based_log_optimal_strategy.py(3KB)
--------test_datasource.py(2KB)
--------test_bah_strategy.py(2KB)
--------test_crp_strategy.py(2KB)
----backtests()
--------mar29toapril1test.py(1KB)
--------mar29test.py(1KB)
--------README.md(2KB)
----requirements.txt(211B)
----setup.py(121B)
----.gitignore(2KB)
----README.md(2KB)
----.gitattributes(160B)
----timeline()
--------week4.md(300B)
--------week9.md(448B)
--------week1.md(478B)
--------OLPSSurvey.pdf(453KB)
--------supplementary-readings.pdf(833KB)
--------week2.md(286B)
--------week7.md(510B)
--------week3.md(1KB)
--------escape-hatch.md(2KB)
--------README.md(994B)
--------week8.md(248B)
--------week10.md(208B)
--------week6.md(249B)
--------week5.md(383B)

网友评论