投资组合模型
约定： 在选择模型之前，明确经济目标、精确的优化问题、数据假设、约束条件和基准。仅使用与任务相关的引用。
工作流程
- 框架定义。 记录投资者类型、基础货币、可投资资产、评估频率、回报目标、可承受损失、流动性、卖空/杠杆、换手率、单一资产限制和持有期。确定答案是概念性的、计算性的还是经验性的。完成条件： 目标和约束条件已明确。
- 数据标准化。 对于涉及价格、回报、债券、外汇、衍生品、利率或现金的计算，加载符号和数据。要求点时间可用性和总回报一致性。完成条件： 所有列共享相同货币和观察周期；已识别缺失/过时值。
- 模型路由。 对于模型选择，加载模型映射，然后仅加载所需的分支：经典模型、分散化、风险预算和正则化、尾部和回撤模型、稳健性和DRO或Kelly和反脆弱性。完成条件： 已指定精确的数学变体、来源和数值方法。
- 计算实现。 对于可运行的计算，参考实际案例和可执行模块
scripts/models.py和scripts/advanced_models.py。验证求解状态、约束条件、返回权重处的目标函数、极限情况和数值单位。完成条件： 可复现的调用和检查成功。 - 验证。 对于历史声明，使用回测协议、指标和推断以及失败模式。完成条件： 报告完整的样本外时间线、交易假设、成本、简单基准、压力和不确定性。
- 争议解决。 按照公式追溯到注释源码目录。阅读原始论文以获取特定定理支持、模糊集细节和任何重要例外。完成条件： 实际公式与近似值和实现方法区分开来。
数学与经验不变性
- 使用具有一致采样频率的十进制简单总回报；仅在报告时年化。价格指数、官方汇率或政策利率不是可投资的无摩擦工具。
- 仅使用决策前可用的信息进行优化。在嵌套的历史数据上拟合预测和超参数。酌情考虑交易成本、漂移、停牌、保证金和外汇转换。
- 在称模型为稳健之前给出精确的不确定性集。实现的Wasserstein DRO是一个特定的1-Wasserstein、L1-地面、无界支持、线性损失CVaR案例——不是通用的DRO引擎。
- 将经验性的月度/日度回撤与加法损益CDaR分开报告，后者不等同于复利NAV回撤。
- 不同方法需要共同的日期、可行的宇宙、可比较的实现风险和简单的基准。高CAGR本身并不证明统计优越性。
- 期权对冲、趋势追踪空头或稳定投资组合并非自动具有反脆弱性。分别评估凸性、持有成本、尾部条件回报和执行可及性。
输出内容
对于方法论：模型、目标/方程、约束条件、估计量、超参数、边界情况、来源、可执行示例。对于基准，还需报告：截止日期、可用工具、精确的OOS日期、训练/验证窗口、交易成本、基准、CAGR、实现波动率、回撤、CVaR、换手率、不确定性区间以及数据/执行局限性。
入口文件负责路由工作；它不重复数学内容。将所有新代码、公式和实验保留在相应的引用或脚本中，而不是在此文件中扩充。