使用Python进行投资组合优化课程¶
动机¶
自2020年3月2日发布以来，Riskfolio-Lib已成为全球最受欢迎的投资组合优化Python库之一。然而，许多用户在使用Riskfolio-Lib时遇到困难，因为他们在数学优化或数学编程方面没有接受过足够的培训。
重要的是要提到，这门课程有助于资助Riskfolio-Lib的持续开发和维护，因为它是一个个人开源项目，并没有获得任何机构的资助，像其他流行的Python项目一样。
目标¶
本课程的目标是为学生提供计算工具，使他们能够使用最现代的投资组合优化技术设计资产配置策略，这在电子表格或传统编程语言中会非常复杂。
学生档案¶
希望提高其投资组合优化技能的金融、投资、风险管理领域的专业人员。建议学生具备投资组合理论、优化、微积分、线性代数和统计的基础到中级知识；以及一种编程语言（Python、R、Julia、Rust、C、C++、VBA、VB.net、Matlab或类似）的中级到高级知识。
2025年课程时间表¶
直播课程通过Google Meets在线进行（所有课程将被录制并上传到课程的Google课堂）。课程持续时间为39小时，课程在星期六和星期日的上午10点到下午1点（UTC-5）进行。
在下面的表格中，您可以看到将在2025年教授的课程日期：
| 课程 | 开始日期 | 结束日期 | 宣传册 |
|---|---|---|---|
| 2025-I | 2025年2月15日 | 2025年3月29日 | 📁 |
| 2025-II | 2025年6月14日 | 2025年7月26日 | 📁 |
| 2025-III | 2025年10月4日 | 2025年11月15日 | 📁 |
注册¶
要注册该课程，您需要一个带有明确“@gmail.com”域的电子邮件（例如 johnmarlon@gmail.com） 然后通过以下PayPal链接支付课程费用：
如果您希望以4人或更多的人注册，则适用10%的折扣，您必须向我们发送电子邮件至 orenji.eirl@gmail.com，提供所有学生的信息（全名、居住城市和带有明确 ‘@gmail.com’ 域的电子邮件），以便我们能将打折后的PayPal发票发送给您。
课程内容¶
课程的详细内容如下：
| 主题 | 小时 |
|---|---|
| 主要库 | |
| Numpy: 线性代数 | 2 |
| Pandas: 数据框 | 1 |
| Scipy: 统计函数和线性代数 | 1 |
| 投资组合优化的蒙特卡洛和准蒙特卡洛模拟 | 2 |
| 投资组合优化的凸优化 | |
| CVXPY: 有纪律的凸编程 (DCP) 优化 | |
| 线性规划 (CVaR, CDaR, Minimax) | 3 |
| 二次规划（方差） | 1.5 |
| 二次锥编程（标准差） | 1.5 |
| 半正定规划（方差、峰度和近似峰度） | 3 |
| 指数锥规划（熵值风险） | 1 |
| 功率锥编程（相对风险值） | 1 |
| 凸分数规划（风险调整收益比优化） | 1 |
| 均值风险优化 | 2 |
| 风险平价优化（最小二乘法和风险预算方法） | 2 |
| 最坏情况优化（盒子和椭圆不确定性集合） | 2 |
| 投资组合优化的整数规划 | |
| 风险价值优化 | 1 |
| 整数约束（资产和类别的基数，以及购买阈值约束） | 1 |
| 带整数变量的凸分数规划 | 1 |
| 风险平价优化用于多头空头组合 | 1 |
| 投资组合优化的机器学习 | |
| 层次风险平价 | 2 |
| 层次平等风险贡献 | 1 |
| 嵌套聚类优化 | 1 |
| 投资组合优化的图论 | |
| 中心性度量约束（图的平均连接性） | 1 |
| 网络约束（图上的相对位置） | 1 |
| 聚类约束（基于树状图的聚类） | 1 |
| 投资组合优化策略的回测 | |
| 前向走法（滚动和扩展窗口） | 2 |
| 交叉验证方法 | 1 |
| 组合清除交叉验证方法 | 1 |
| 总计 | 39 |