প্রকল্প সম্পর্কে

PyPortfolioOpt একটি ওপেন-সোর্স পাইথন লাইব্রেরি যা আর্থিক পোর্টফোলিও অপ্টিমাইজেশনের জন্য ব্যবহৃত হয়। এটি সাধারণ বিনিয়োগকারী এবং পেশাদারদের অ্যালোকেশন কৌশল প্রোটোটাইপ করার জন্য ডিজাইন করা হয়েছে, যেখানে একটি মডুলার, scikit-learn-অনুপ্রাণিত API রয়েছে যা প্রত্যাশিত-রিটার্ন মডেল, ঝুঁকি মডেল, উদ্দেশ্য এবং অপ্টিমাইজারকে একত্রিত বা প্রতিস্থাপন করার সুযোগ দেয়। লাইব্রেরিটি তার EfficientFrontier ইন্টারফেসের মাধ্যমে ক্লাসিক্যাল Markowitz গড়-ভ্যারিয়েন্স অপ্টিমাইজেশন কভার করে। সমর্থিত উদ্দেশ্যগুলির মধ্যে রয়েছে সর্বাধিক Sharpe অনুপাত, সর্বনিম্ন অস্থিরতা, একটি লক্ষ্য রিটার্নের জন্য সর্বনিম্ন ঝুঁকি, একটি লক্ষ্য ঝুঁকির জন্য সর্বাধিক রিটার্ন এবং সর্বাধিক দ্বিঘাত উপযোগিতা। ব্যবহারকারীরা long-only বা long/short সীমা, মার্কেট-নিউট্রাল পোর্টফোলিও, পজিশন সীমা এবং L2 রেগুলারাইজেশনের মতো অতিরিক্ত উদ্দেশ্য কনফিগার করতে পারেন। প্রত্যাশিত রিটার্নের জন্য, PyPortfolioOpt গড় ঐতিহাসিক রিটার্ন, সূচকীয়ভাবে ওয়েটেড ঐতিহাসিক রিটার্ন এবং CAPM-ভিত্তিক রিটার্ন প্রদান করে। এর কোভারিয়েন্স এবং ঝুঁকি-মডেল সরঞ্জামগুলির মধ্যে রয়েছে স্যাম্পল কোভারিয়েন্স, সেমিকোভারিয়েন্স, সূচকীয়ভাবে ওয়েটেড কোভারিয়েন্স, ম্যানুয়াল এবং Ledoit-Wolf শ্রিংকেজ, Oracle Approximating Shrinkage এবং Minimum Covariance Determinant অনুমান। কোভারিয়েন্স প্লটিং ইউটিলিটিগুলিও অন্তর্ভুক্ত। স্ট্যান্ডার্ড এফিশিয়েন্ট-ফ্রন্টিয়ার অপ্টিমাইজেশনের বাইরে, প্রকল্পটি Black-Litterman অ্যালোকেশন সমর্থন করে, যা বাজার বা অন্যান্য পূর্ববর্তী রিটার্ন অনুমানের সাথে বিনিয়োগকারীর দৃষ্টিভঙ্গি একত্রিত করে। অতিরিক্ত অপ্টিমাইজারগুলির মধ্যে রয়েছে mean-semivariance, mean-CVaR, Hierarchical Risk Parity এবং Markowitz-এর ক্রিটিক্যাল লাইন অ্যালগরিদম। PyPortfolioOpt মূল্য ডেটা সম্বলিত pandas DataFrame-এর সাথে কাজ করে। DiscreteAllocation মডিউল একটি নির্দিষ্ট পোর্টফোলিও মূল্যের জন্য অবিচ্ছিন্ন পোর্টফোলিও ওজনকে ক্রয়যোগ্য শেয়ার পরিমাণে রূপান্তর করে এবং অবশিষ্ট নগদ রিপোর্ট করে। রিপোজিটরিতে একটি কুইক-স্টার্ট উদাহরণ, Read the Docs ডকুমেন্টেশন, Jupyter নোটবুকের একটি কুকবুক, 20টি টিকারের জন্য পরীক্ষার ডেটা এবং একটি pytest টেস্ট স্যুট রয়েছে। এটি PyPI থেকে pip দিয়ে বা সরাসরি সোর্স থেকে ইনস্টল করা যায় এবং MIT লাইসেন্সের অধীনে প্রকাশিত। README স্পষ্টভাবে উল্লেখ করে যে প্রকল্পটি বিনিয়োগ পরামর্শ গঠন করে না।