포트폴리오 모델
계약: 모델을 선택하기 전에 경제적 목표, 정확한 최적화 문제, 데이터 가정, 제약 조건 및 벤치마크를 명시하세요. 작업과 관련된 참조만 사용하세요.
절차
- 프레임화. 투자자 유형, 기준 통화, 투자 가능 자산, 평가 빈도, 수익 목표, 허용 손실, 유동성, 공매도/레버리지, 회전율, 자산별 한도 및 보유 기간을 기록합니다. 답변이 개념적, 계산적, 또는 경험적 주장인지 결정합니다. 완료 조건: 목적과 제약 조건이 명시되었을 때.
- 정규화. 가격, 수익률, 채권, 외환, 파생상품, 금리 또는 현금과 관련된 계산에는 표기법 및 데이터를 불러옵니다. 시점 기준 가용성과 총수익 일관성을 요구합니다. 완료 조건: 모든 열이 통화와 관찰 기간을 공유하고, 누락/오래된 값이 식별되었을 때.
- 라우팅. 모델 선택을 위해 모델 맵을 불러온 후, 필요한 분기만 불러오세요: 고전적, 분산화, 위험예산 및 정규화, 꼬리 및 하락, 로버스트 및 DRO, 또는 켈리 및 반취약성. 완료 조건: 정확한 수학적 변형, 출처 및 수치 방법이 명시되었을 때.
- 계산. 실행 가능한 계산을 위해 작업 예제와 실행 가능 모듈
scripts/models.py및scripts/advanced_models.py를 참조하세요. 솔버 상태, 제약 조건, 반환된 가중치에서의 목적 함수, 극단적 사례 및 수치 단위를 검증합니다. 완료 조건: 재현 가능한 호출 및 검사가 성공했을 때. - 검증. 과거 주장에 대해 백테스트 프로토콜, 메트릭 및 추론, 실패 모드를 사용합니다. 완료 조건: 전체 표본 외 연대기, 거래 가정, 비용, 단순 벤치마크, 스트레스 및 불확실성이 보고되었을 때.
- 분쟁 해결. 수식 추적을 따라 주석이 달린 소스 카탈로그로 이동합니다. 정리별 지원, 모호성 집합 세부 사항 및 중요한 예외 사항에 대해 원본 논문을 읽습니다. 완료 조건: 실제 공식이 근사치 및 구현과 구분되었을 때.
수학적 및 경험적 불변 사항
- 일관된 샘플링 빈도로 십진 단순 총수익을 사용하며, 보고 시에만 연율화합니다. 가격 지수, 공식 환율 또는 정책 금리는 투자 가능하고 마찰 없는 수단이 아닙니다.
- 결정 이전에만 이용 가능한 정보로 최적화합니다. 예측 및 하이퍼파라미터를 중첩된 과거 데이터에 적합시킵니다. 거래 비용, 표류, 거래 중단, 증거금 및 외환 변환을 해당되는 경우 평가합니다.
- 모델을 로버스트라고 부르기 전에 정확한 불확실성 집합을 제시합니다. 구현된 Wasserstein DRO는 특정 1-Wasserstein, L1-접지, 무제한 지원, 선형 손실 CVaR 사례입니다—일반 DRO 엔진이 아닙니다.
- 경험적 월별/일별 하락을 가산 P&L CDaR과 별도로 보고합니다. 이는 복리 NAV 하락과 동일하지 않습니다.
- 서로 다른 방법은 공통 날짜, 실현 가능한 유니버스, 비교 가능한 실현 위험 및 단순 기준선이 필요합니다. 높은 CAGR 단독으로 통계적 우월성을 입증하지 않습니다.
- 옵션 헤지, 추세 추종 공매도 또는 안정적인 포트폴리오는 자동으로 반취약적이지 않습니다. 볼록성, 보유 비용, 꼬리 조건부 수익 및 실행 접근성을 별도로 평가합니다.
출력
방법론: 모델, 목적 함수/방정식, 제약 조건, 추정기, 하이퍼파라미터, 극단적 사례, 출처, 실행 가능 예시. 벤치마크의 경우 또한 기준일, 사용 가능한 도구, 정확한 OOS 날짜, 훈련/검증 기간, 거래 비용, 기준선, CAGR, 실현 변동성, 하락, CVaR, 회전율, 불확실성 구간 및 데이터/실행 제한 사항을 보고합니다.
진입 파일은 작업을 라우팅하며, 수학을 중복하지 않습니다. 모든 새 코드, 공식 및 실험은 이 파일을 확장하지 않고 적절한 참조 또는 스크립트에 보관합니다.