skfolio.uncertainty_set.BootstrapMuUncertaintySet#

class skfolio.uncertainty_set.BootstrapMuUncertaintySet(prior_estimator=None, confidence_level=0.95, diagonal=True, n_bootstrap_samples=1000, block_size=None, seed=None)[来源]#

Bootstrap Mu 不确定性集。

使用圆形自举法计算预期收益的椭圆不确定性集合：

\[U_{\mu}=\left\{\mu\,|\left(\mu-\hat{\mu}\right)S^{-1}\left(\mu-\hat{\mu}\right)^{T}\leq\kappa^{2}\right\}\]

椭球体的大小 \(\kappa\)（置信区域）是通过以下方式计算的：

\[\kappa^2 = \chi^2_{n\_assets} (\beta)\]

与 \(\chi^2_{n\_assets}(\beta)\) 相关的是卡方分布的逆累积分布函数，该函数在 n_assets 自由度下，在 \(\beta\) 置信水平上。

椭球体的形状 \(S\) 是使用静态自助法计算的，并且可以选择将协方差矩阵的非对角元素强制为零。

Parameters:

prior_estimatorBasePrior, optional

用于估计资产协方差矩阵的 先验估计器。默认值 (None) 是使用 EmpiricalPrior。

confidence_levelfloat , default=0.95

卡方分布的逆累积分布函数的置信水平 \(\beta\)。默认值是 0.95。

diagonalbool, default=True

如果将此设置为 True，协方差矩阵的非对角线元素将被设置为零。

n_bootstrap_samplesint, default=1000

生成的自助采样数量。默认值为 1000。

block_sizefloat, optional

Bootstrap 块大小。默认值（None）是使用 Politis & White 算法为所有个别资产估计最佳块大小。

seedint, optional

用于初始化伪随机数生成器的随机种子。

Attributes:

uncertainty_set_UncertaintySet

Mu 不确定集 UncertaintySet。

prior_estimator_BasePrior

调整过的 prior_estimator.

参考文献

[1]

“均值-方差投资组合的稳健性特征”, 优化：数学规划与运筹研究杂志, Schöttle & Werner (2009).

[2]

“自动块长度选择用于依赖引导法”， Politis ＆ White (2004).

[3]

“对依赖自助法的自动块长度选择的修正”， 帕顿，波利蒂斯与怀特（2009年）。

方法

fit(X[, y])	拟合Bootstrap Mu不确定性集估计器。
get_metadata_routing()	获取此对象的元数据路由。
get_params([deep])	获取此估计器的参数。
set_params(**params)	设置此估计器的参数。

fit(X, y=None, **fit_params)[来源]#

拟合Bootstrap Mu不确定性集估计器。

Parameters:

Xarray-like of shape (n_observations, n_assets)

资产的价格收益。

yarray-like of shape (n_observations, n_factors), optional

因子的价格回报。 默认值是 None。

**fit_paramsdict

传递给基础估计器的参数。只有在 enable_metadata_routing=True 的情况下可用，您可以通过使用 sklearn.set_config(enable_metadata_routing=True) 来设置。详情请参见 元数据路由用户指南。

Returns:

selfBootstrapMuUncertaintySet

拟合的估计器。

get_metadata_routing()#

获取这个对象的元数据路由。

请查看 用户指南 了解路由机制是如何工作的。

Returns:

routingMetadataRequest

一个 MetadataRequest 封装路由信息。

get_params(deep=True)#

获取此估计器的参数。

Parameters:

deepbool, default=True

如果为真，将返回此估计器及其包含的子对象的参数，这些子对象也是估计器。

Returns:

paramsdict

参数名称映射到它们的值。

set_params(**params)#

设置该估计器的参数。

该方法适用于简单估计器以及嵌套对象（如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，因此可以更新嵌套对象的每个组件。

Parameters:

**paramsdict

估计器参数。

Returns:

selfestimator instance

估计器实例。