markowitz-optimizer

name	markowitz-optimizer
description	均值-方差优化器，计算有效前沿、最小方差组合与最大夏普组合。适用于多资产组合配置的风险预算学习。简化实现不含交易成本、税费与流动性约束，不适用于实盘投资决策，不构成投资建议。
version	1.0.0
author	wangyi

markowitz-optimizer

马科维茨均值方差优化工具，计算有效前沿、最小方差组合与最大夏普组合，仅使用 Python 标准库。

脚本API

compute_mean_returns(returns)

计算各资产的预期收益率（均值）。 必填: returns

compute_cov_matrix(returns)

计算协方差矩阵。 必填: returns

portfolio_return(weights, mean_returns)

计算组合预期收益。 必填: weights, mean_returns

portfolio_volatility(weights, cov_matrix)

计算组合波动率（标准差）。 必填: weights, cov_matrix

sharpe_ratio(weights, mean_returns, cov_matrix, risk_free_rate=0.0)

计算夏普比率。 必填: weights, mean_returns, cov_matrix

min_variance_portfolio(cov_matrix, allow_short=False, max_iter=10000, tolerance=1e-10)

计算最小方差组合权重。 必填: cov_matrix

max_sharpe_portfolio(mean_returns, cov_matrix, risk_free_rate=0.0, allow_short=False, n_samples=50000, seed=42)

计算最大夏普比率组合。 必填: mean_returns, cov_matrix

efficient_frontier(mean_returns, cov_matrix, risk_free_rate=0.0, n_points=20, allow_short=False, seed=42)

计算有效前沿。 必填: mean_returns, cov_matrix

optimize(mean_returns, cov_matrix, risk_free_rate=0.0, allow_short=False, n_frontier_points=20)

统一均值方差优化接口。 必填: mean_returns, cov_matrix

调用示例

python scripts/main.py \
  --mean-returns <mean_returns> \
  --cov-matrix <cov_matrix> \
  --risk-free-rate <risk_free_rate> \
  --allow-short <allow_short> \
  --n-frontier-points <n_frontier_points>