goal-based-allocation
✨ 面向带财富下限的机制切换跳变市场,用拉普拉斯变换解析求解动态均值方差配置
🧭 AI 判断
仅供研究学术型解析求解框架,门槛高、无热度与维护数据,更适合研究而非实盘
用拉普拉斯变换解析求解机制转换跳扩散下的动态均值方差配置,含财富下限约束
📊 综合评分
📈 热度走势
GitHub star / HF 下载量每日快照 · 自 2026-09-16(上限 30 天)0(现 13 · 断点=当日未采集)
📖 工具介绍
一款基于 Python 的目标导向资产配置工具，可在 regime-switching jump-diffusion 模型下进行动态 mean-variance 组合优化，并支持设置财富下限(wealth floor),通过 Laplace 变换求得解析解。适合量化研究者与组合管理人员用于风险管理与资产配置建模。
`Python` - Dynamic mean-variance portfolio allocation under regime-switching jump-diffusions with wealth floors, solved analytically via Laplace transforms.
⚖️ 同类对比
| 维度 | goal-based-allocation | StochVolModels | machine-learning-for-trading | quantstats |
|---|---|---|---|---|
| 结论 | 仅供研究 | 仅供研究 | 推荐 | 推荐 |
| 热度 | 13 | 239 | 21.4k | 7.7k |
| 7日增长 | 0 | +1 | +96 | +22 |
| 适合人群 | 专业量化 | 专业量化 | 专业量化 | 专业量化 |
| 主要用途 | 策略研究 / 数据分析 | 策略研究 / 数据分析 | 策略研究 / 数据分析 | 数据分析 / 策略研究 |
| 支持市场 | 多市场 | 多市场 | 多市场 | 多市场 |
| 技术栈 | Python | Python | Python | Python |
| 上手难度 | 较高 | 较高 | 中等 | 简单 |
| 活跃度 | 低 | 低 | 高 | 高 |
💡 新手优先 quantstats(上手简单);要生态成熟选 machine-learning-for-trading(21
🧩 更多同类工具
一款基于 Python 的随机波动率模型分析库，提供定价分析与 Monte Carlo 模拟能力，支持 log-normal SV 模型和 Heston 模型。代码开源，便于研究和扩展。适合量化研究者、金融工程从业者及学习衍生品定价的学生使用。
一款基于 Python 的机器学习量化交易开源项目，配套《Machine Learning for Algorithmic Trading》一书，提供全书代码与相关资源。内容涵盖特征工程、模型构建与回测等环节，适合希望将 machine learning 方法应用于算法交易的学习者和研究者参考使用。
一款基于 Python 的量化投资组合分析库，可计算 Sharpe Ratio、Sortino Ratio、最大回撤等各类绩效与风险指标，并支持生成可视化报告。适合量化研究员和交易者用于评估策略回测结果与组合表现。
一款由高盛开源的 Python 量化金融工具包。它提供与高盛 Marquee 平台交互的接口，支持衍生品定价、风险分析、投资组合管理等功能。适合量化研究人员、开发者和金融工程师使用。
一个基于 scikit-learn 构建的 Python 组合优化库，提供统一接口和兼容 sklearn 的工具，可用于构建、调优和交叉验证投资组合模型。适合熟悉 Python 与机器学习工作流、需要进行资产配置与组合风险管理的量化研究者和开发者使用。
一款基于 Python 的稀疏多资产因子建模工具,支持 cell 级符号约束、以先验为中心的收缩(prior-centred shrinkage)以及层次聚类 group LASSO(HCGL),并兼容 scikit-learn。适合从事多资产因子研究、需要构建稀疏因子模型的量化研究员和开发者使用。