投资组合优化大师

解决什么问题

做资产配置时，收益目标、样本协方差、主观观点、风险贡献和聚类结构常常分散在多个脚本里。portfolio-optimizer-zx 把这些步骤放进一个 Python 工作流：从 akshare 拉取 A 股日线数据，估计协方差，再用不同优化器生成可比较的权重方案。它适合量化学习和研究原型，而不是实时交易终端。

如何工作

工具提供四类常见策略：

• Markowitz：计算最大夏普、最小方差和有效前沿，支持权重上下限与做空约束。
• Black-Litterman：从市场权重反推均衡收益，融合绝对或相对观点，并自动估计观点不确定性。
• 风险平价：让各资产风险贡献接近相等，输出边际风险贡献与风险占比。
• HRP：用层次聚类和递归二分法分配权重，避免直接求逆协方差矩阵。

最后会汇总年化收益、波动率、夏普比率、最大回撤、Calmar、Sortino、信息比率、VaR 和 CVaR 等指标，并生成 HTML 报告，包括有效前沿、权重饼图、风险贡献和相关性热力图。

适用边界

它当前依赖 A 股接口和日频数据，不适合高频、期权期货组合或实时下单。akshare 数据源失败、样本不足、协方差估计不稳和主观观点偏差都会影响结果。输出应视为研究参考，不构成投资建议。