skfolio 核心概念全解析:fit/predict 工作流如何重塑投资组合构建

原创2026-10-21 13:46:081,820 阅读
文章标签:金融科技数据科学

skfolio 核心概念全解析:fit/predict 工作流如何重塑投资组合构建

skfolio 是一个面向 Python 的开源投资组合优化库,专为组合优化、因子建模与风险管理设计。它构建于 scikit-learn 框架之上,用统一的 fit/predict 工作流帮你完成组合模型的构建、调优、交叉验证与压力测试,从根源上规避数据泄漏与过拟合。如果你熟悉 scikit-learn,那么上手 skfolio 几乎零成本——这也是它重塑组合构建方式的关键所在。

skfolio 投资组合优化功能全景:组合优化、因子模型与风险评估图表

为什么组合优化需要机器学习式 API 🤔

自 Markowitz 均值-方差优化问世以来,MVO 一直面临输入参数敏感、权重集中、换手率高和样本外表现差等痛点;朴素策略(1/N、逆波动率)常常反而更稳健。

为缓解这些问题,学术界发展出收缩估计、不确定性集、相干风险度量、因子模型、风险平价、层次聚类、预选择等大量方法,且彼此可以组合使用。方法越多,越需要一个统一框架来做模型选择、验证与调参——skfolio 的答案就是:完全遵循 scikit-learn 的 API 约定(所有参数通过 __init__ 关键字传入,估计结果保存在带下划线的属性中),详见 README.rst 的 Key Concepts 一节。

概念一:fit / predict 两行代码构建组合 ⚡

所有优化器都继承自 BaseOptimization,核心语义与机器学习模型一致:

from skfolio.datasets import load_sp500_dataset
from skfolio.optimization import MeanRisk
from skfolio.preprocessing import prices_to_returns
from sklearn.model_selection import train_test_split

prices = load_sp500_dataset()
X = prices_to_returns(prices)
X_train, X_test = train_test_split(X, test_size=0.33, shuffle=False)

model = MeanRisk()          # 默认:最小化方差
model.fit(X_train)          # 训练:估计先验并求解,权重存入 weights_
print(model.weights_)       # 目标权重

portfolio = model.predict(X_test)   # 预测:返回 Portfolio 对象
print(portfolio.annualized_sharpe_ratio)
print(portfolio.summary())
  • fit(X_train):在训练集上估计期望收益与协方差(先验),求解优化问题,得到目标权重 weights_。
  • predict(X_test):用测试期收益评估这组权重,返回功能丰富的 Portfolio 对象,而非一串数字。

两个值得新手注意的细节:

  • 容错机制:优化失败时不会让整个流水线崩溃。fallback 参数可指定后备估计器(如 "previous_weights"),raise_on_failure=False 时 predict 会返回 FailedPortfolio 以便追踪,见 BaseOptimization 文档。
  • 周期约定:X 是日收益,所有输入(期望收益、协方差、transaction_costs 等)都使用同一周期,库不做年化换算,见 docs/user_guide/optimization.rst。

概念二:Portfolio 对象——预测结果的"全能容器" 📊

predict 返回的 Portfolio 是 skfolio 最有价值的设计之一:它同时是数据容器(np.asarray(portfolio) 直接取出收益序列,兼容 sklearn 工具)和分析工具。

portfolio.sharpe_ratio
portfolio.cdar
portfolio.max_drawdown
portfolio.summary()
portfolio.plot_cumulative_returns()

40 多个性能/风险指标(Sharpe、CVaR、CDaR、最大回撤、Ulcer Index 等)按需计算并缓存,完整列表见 docs/user_guide/portfolio.rst。

另一个核心概念是回测约定。同一组目标权重,评估方式不同结论可能大相径庭:

  • weight_drift:持有期内用目标权重(固定)还是随资产表现漂移的权重计算收益;
  • compounded:累计收益按算术加总还是复利财富指数。

skfolio 组合回测中权重漂移与复利对累计收益路径的影响对比

上图为同一组等权目标、不同 weight_drift/compounded 组合下的十年模拟路径——第三子图(漂移+复利)中两条路径差距被显著放大。评估"配置能力(ex-ante)"还是"历史重现(ex-post)",选择不同约定,详细建议见 docs/user_guide/backtesting_and_evaluation.rst。

概念三:Prior——把输入估计变成可替换模块 🧩

组合优化的输入(期望收益、协方差、收益情景)估计质量直接决定输出质量。skfolio 把这一环节抽象为 prior_estimator 插槽,你可以像换 Transformer 一样替换整个输入估计模块:

场景 用法示例
默认经验估计 MeanRisk() 或显式 EmpiricalPrior()
去噪/收缩协方差 EmpiricalPrior(mu_estimator=ShrunkMu(), covariance_estimator=DenoiseCovariance())
主观观点 BlackLitterman(views=["AAPL - BBY == 0.03", "MSFT == 0.06"])
观点池化 EntropyPooling(cvar_views=["GE == 0.08"])、OpinionPooling
时序列因子模型 TimeSeriesFactorModel()
合成数据/压力测试 SyntheticData(distribution_estimator=VineCopula(...))

这些先验估计器都导出自 src/skfolio/prior/,且支持嵌套参数语法:model.get_params(deep=True) 会展开成 prior_estimator__mu_estimator__half_life 这样的点路径,让内层模块也能被 GridSearch 直接调参。

概念四:Pipeline 与交叉验证——杜绝数据泄漏 🛡️

金融时序数据存在序列相关性,shuffle 会泄漏:官方文档明确要求使用 train_test_split、KFold 时设置 shuffle=False(见 docs/user_guide/model_selection.rst)。

skfolio 的应对是把整个流程拼成 Pipeline:

from sklearn.pipeline import Pipeline
from skfolio.pre_selection import SelectKExtremes

model = Pipeline([
    ("pre_selection", SelectKExtremes(k=10, highest=True)),  # 预选择
    ("optimization", MeanRisk()),
])
model.fit(X_train)
portfolio = model.predict(X_test)

交叉验证同样无缝衔接,且专为组合场景增强了输出类型:

from skfolio.model_selection import WalkForward, cross_val_predict
from sklearn.model_selection import KFold

mpp = cross_val_predict(model, X_test, cv=KFold(n_splits=5, shuffle=False))
mpp.plot_cumulative_returns()
print(mpp.summary())
  • 折式验证(KFold、skfolio 的 WalkForward)返回 MultiPeriodPortfolio(每个测试折对应一个 Portfolio);
  • CombinatorialPurgedCV、MultipleRandomizedCV 等返回 Population(多个 MultiPeriodPortfolio 的集合),支持 plot_distribution 画出 Sharpe/Sortino 分布,用"结果的稳健性"而非"单次点估计"来挑选模型。

skfolio 交叉验证生成的 MultiPeriodPortfolio 累计收益曲线

概念五:超参数调优与压力测试 🔍

因为完全兼容 sklearn 的元估计器,调参与压力测试只是"换个 cv"和"换个 prior"的事:

from sklearn.model_selection import RandomizedSearchCV
from skfolio.model_selection import WalkForward
from scipy.stats import loguniform

search = RandomizedSearchCV(
    estimator=MeanRisk(),
    cv=WalkForward(train_size=252, test_size=60),
    param_distributions={"l2_coef": loguniform(1e-3, 1e-1)},
)
search.fit(X_train)
best_model = search.best_estimator_

压力测试则借助 SyntheticData + Copula 分布估计器(Gaussian、Student-t、Clayton、VineCopula 等,见 src/skfolio/distribution/):

from skfolio.distribution import VineCopula
from skfolio.prior import SyntheticData

vine = VineCopula(log_transform=True, n_jobs=-1)
vine.fit(X)
X_stressed = vine.sample(n_samples=10_000, conditioning={"BAC": -0.2})
ptf_stressed = model.predict(X_stressed)   # 在"假设 BAC 单日 -20%"情景下评估组合

只需一行 predict,同一个优化模型即可复用于历史回测与合成情景评估。

因子模型:把因子暴露纳入同一套工作流 🧪

skfolio 的因子建模同样遵循 fit/predict 思想:CharacteristicsFactorModel 把 17 个因子族、46 个描述符(价值、规模、动量、盈利性等,见 src/skfolio/descriptor/)与因子暴露(GlobalFactor、FixedWeightedFactor、DerivedFactor 等,见 src/skfolio/factor_exposure/)组合起来,fit 后自动完成横截面回归、暴露估计与 alpha 推断,并内置:

  • 预测评估:累计 IC、累计 alpha 收益等;
  • 事后/事前归因:把组合收益拆解到因子族与具体因子。

skfolio 因子模型 alpha 组合的累计收益:Rank 加权与 Z-Score 加权组合对比

上图展示了不同加权方式的 200% 多头 alpha 组合累计收益,来自 factor_models 教程 的评估输出。

快速上手:安装与最小步骤 ✅

pip install -U skfolio

四步完成你的第一个组合模型:

  1. 装数据:load_sp500_dataset() / load_factors_dataset()(src/skfolio/datasets/),或自带 make_synthetic_* 生成合成数据;
  2. 转收益:prices_to_returns(prices);
  3. fit:MeanRisk() / RiskBudgeting() / HierarchicalRiskParity() 等 10+ 优化器任选(docs/user_guide/optimization.rst);
  4. predict 评估:读取 Sharpe、CVaR、回撤或画图,再用 WalkForward + 调参器迭代改进。

完整可运行示例覆盖最大夏普、风险预算、交易成本、MIP 基数约束等场景,推荐从 examples/mean_risk/ 与 examples/risk_budgeting/ 读起。

延伸阅读 📚

主题 位置
优化器家族与目标函数 docs/user_guide/optimization.rst
Portfolio 属性与方法 docs/user_guide/portfolio.rst
交叉验证与模型选择 docs/user_guide/model_selection.rst
回测约定(weight_drift/compounded) docs/user_guide/backtesting_and_evaluation.rst
优化器基类实现 src/skfolio/optimization/_base.py
先验估计器导出 src/skfolio/prior/init.py

一句话总结:skfolio 把组合优化从"一次性的求解器调用"升级成"可训练、可验证、可调参、可压力测试的机器学习流水线"——理解 fit/predict 这一对动词,就理解了它全部的核心概念。

登录后查看全文
skfolio