【PyPortfolioOpt 系列 第2讲】收益与协方差估计三法对比
本讲承接第1讲已完成的数据清洗、频率对齐与基础依赖配置,系统展开PyPortfolioOpt中三大核心收益与协方差估计方法的实操落地。重点解析历史收益率计算的滚动窗口选择陷阱、...
阅读全文本讲承接第1讲已完成的数据清洗、频率对齐与基础依赖配置,系统展开PyPortfolioOpt中三大核心收益与协方差估计方法的实操落地。重点解析历史收益率计算的滚动窗口选择陷阱、...
阅读全文本讲聚焦量化研究中最基础但高频的数据加载任务——使用pandas读取金融CSV行情文件。通过最小可验证路径(仅需5行核心代码),完成环境配置、文件加载、前5行查看、基础结构检查...
阅读全文本文系统解析Optuna中search space的工程化建模方法,聚焦连续型参数的边界敏感性控制、离散型参数的枚举完备性验证、条件型参数的依赖图谱构建三大核心维度。通过参数语...
阅读全文本讲系统解构PyTorch作为量化建模底层引擎的三大核心支柱:张量(Tensor)的底层内存视图与设备协同机制、计算图(Autograd Graph)的动态构建逻辑与梯度传播边...
阅读全文本讲作为《PyPortfolioOpt资产配置完整学习计划》第1/9讲,系统拆解PyPortfolioOpt在均值方差优化中的核心落地路径。重点覆盖历史收益率计算的频率对齐陷阱...
阅读全文本讲作为《Optuna量化调参完整学习计划》开篇,系统解构Optuna在量化研究中的不可替代价值:突破网格/随机搜索的维度灾难与信息浪费,实现高维非凸策略空间的高效贝叶斯导向探...
阅读全文