组合配置详解
组合配置可以理解成一份“投资组合制作说明书”：选哪些策略、什么时候重新分配、按什么算法分配、最后怎样限制持仓。
本文面向需要阅读或维护 portfolio.toml 的用户。它说明的是平台配置及平台助手的已核对入口，不代表网页已提供所有对应输入控件，也不代表任意参数组合都能求解成功。
先看版本，再照抄参数
本文按 skfolio 1.8.0 的参数定义和平台配置入口说明；候选参数详见本页参数全表。不同版本可能存在差异，生产环境实际部署版本尚未核验，使用前请确认当前可用能力。
1. 三层参数，分别写在哪里
| 层级 | 写在哪里 | 通俗解释 | 支持边界 |
|---|---|---|---|
| 组合字段 | TOML 最外层 | 整份说明书：策略名单、日期、政策 | 平台组合配置明确定义；未知字段报错 |
| 平台调仓参数 | [rebalance_params] | 给调仓流程的指令：数据窗口、降级、搜索、风险归一 | 平台消费，不是 skfolio 构造参数 |
| 优化器参数 | [rebalance_params.optimizer_params] | 给某一个分配算法的细节 | 先经平台转换与拦截，再交给选定类；不同类接受的键不同 |
| 嵌套模型参数 | ...prior_estimator.params 等 | 先估收益和风险，再做权重优化 | 必须符合白名单和对应模型签名；不能任意导入 Python 类 |
读表约定：None 表示 Python 默认未配置，TOML 没有 null，应省略该键；0.20 表示 20%，不是 20；收益和费用通常按输入收益的单期口径，不会因为数值看起来像年化而自动换算。表中的默认值不是推荐投资参数。
2. 组合最外层：17 个字段逐项说明
| 参数 | 类型 / 默认值 | 做什么 | 限制、联动与例子 |
|---|---|---|---|
schema_version | 字符串 / "1.0" | 控制旧格式兼容迁移 | 仅 "1.0" 或省略时迁移旧嵌套格式；不是随意填写的展示版本号 |
portfolio_code | 字符串 / 必填 | 组合唯一编号，也是存储目录名 | 必须是一个安全的相对路径组件，不能有 /、绝对路径、. 或 ..；兼容读取 portfolio_id |
description | 字符串 / "" | 给人看的组合说明 | 不参与权重计算，也不进入统一模式配置 hash |
status | 字符串 / "暂停" | 组合生命周期 | 候选值 实盘、暂停、废弃；不会自动按策略状态筛选候选池。应通过状态切换入口修改 |
candidate_strategies | 字符串数组 / 必填非空 | 候选策略名单 | 填完整策略名，不接受 *?[] 通配符；完整目录缺失任一声明策略会报错。历史时点暂无数据不等于从配置删除 |
rebalance_dates | 日期数组 / [] | 明确在哪些日子重新分配 | ISO 日期，如 "2026-09-30"；兼容混写支持的日期规则，加载时分流到规则字段 |
rebalance_date_rules | 字符串数组 / [] | 用规则批量生成日期 | 例如 "每月最后一天"；与显式日 期不能同时为空。规则按实际历史与执行截止时点展开，不是交易所交易日顺延承诺 |
strategy_selector | 对象 / {} | 从候选池筛掉部分策略 | 不筛选可省略；非空时必须有 name。见选择器表 |
symbol_selector | 对象 / {} | 限定最终使用的标的 | 不筛选可省略；非空时必须有 name。见选择器表 |
rebalance_method | 字符串 / "equal_weight" | 分配策略资金的算法 | 使用注册名；skfolio 优化时写 "skfolio"，不是 "MeanRisk" |
rebalance_params | 对象 / {} | 调仓算法和公共流程参数 | 选了哪个方法，就只能使用该方法接受的参数；未知键静态校验报错 |
lookback_days | 正整数 / 120 | 保留的组合字段 | 当前调用链不把它注入选择器或调仓算法，不控制收益切窗。实际窗口须写进对应参数块；别把它和下层默认 252 混淆 |
skip_existing | 布尔 / false | 复用已保存产物 | 会影响历史权重、历史持仓和最新持仓等复用；开启后改配置不保证旧产物自动重算。需要应用变更时先明确重建范围 |
feishu_key | 字符串 / 未配置 | 配置通知通道 | 不在文档或截图展示真实值。留空不等于禁用，通知入口可能回退到环境配置；显式禁用是 Python 入口哨兵，不是 TOML 字符串 |
t_plus_one | 严格布尔 / false | 最终标的限制当日可卖额度 | true 会要求只做多。额度来自上一交易日有效 持仓；今日买回不补充今日可卖额度 |
long_only | 严格布尔或未配置 / 未配置 | 是否限制最终标的非负 | 未配置保留历史兼容模式；显式 true/false 进入统一政策语义。读取兼容 only_long，不要同时写两个别名 |
symbol_policies | 标的到政策对象的映射 / {} | 对精确标的覆盖政策 | 子键只有 t_plus_one、long_only，缺项继承，显式 false 保留；带点标的名须加引号，不支持前缀或通配符识别 T+0 |
market_variant 已废弃：旧配置加载时剥离并警告，不计入这 17 个现行字段。旧格式迁移不能替代新配置校验。
再平衡日期规则候选
| 写法 | 具体含义 | 边界 |
|---|---|---|
每月第一天、每月最后一天 | 每个自然月的首日、末日 | 不是“月内首/末交易日” |
每月15号、每月十五日 | 每月指定日号，范围 1 到 31 | 当月没有该日时跳过，不自动改成月末 |
每周一 到 每周六、每周日 / 每周天 | 每周指定星期 | 也接受每周1到每周7；周日不自动改为下周一 |
每季度第一天、每季度最后一天 | 1/4/7/10 月 1 日，或 3/6/9/12 月末日 | 自然季度，不推断财政季度 |
每年第一 天、每年最后一天 | 1 月 1 日、12 月 31 日 | 未提供交易日顺延语义 |
支持规则与显式日期合并、排序和去重。平台直接构建通常按候选最早交易日到今天展开；平台助手冻结提案按候选最早权重日期到 asof_dt 展开并过滤之后的显式日期。只读草稿校验不执行这一步，不等于已经证明有可用再平衡日。
最终持仓政策不等于优化器约束
优化器分配的是“策略系数”，而 long_only、t_plus_one 限制的是多个策略合成后的“标的持仓”。平台会先聚合同一标的贡献、四舍五入到四位小数，再应用政策；调整后不重新归一化，因此风险目标、预算或组约束可能与最终执行持仓出现偏差。
例如昨日有效持仓为 1.0，今日连续目标为 0.4、0.9、0.2，在 T+1 下有效持仓依次是 0.4、0.9、0.5：第一次已经卖掉 0.6，买回不会恢复卖出额度。
加载普通平台组合配置时，T+1 与只做多冲突会警告并修正；平台助手规划入口要求政策先写得自洽，不能依赖自动修正。修改政策后应重新构建历史，不能猜测或手改历史额度。
3. 选择器与调仓方法
策略选择器
参数写在 [strategy_selector]。三种内置选择器都是以有效训练截止日 T为末端的自然日窗口，不是直接把决策当日收益用于训练。T 的确定见下节“收益可见性”。
name | 可用参数及默认值 | 通俗含义与边界 |
|---|---|---|
min_history | lookback_days = 252，正整数 | 最近 N 个自然日内至少有 N 个有效观测才保留。不是“最近 N 个交易日”；周频、月频策略照搬默认值可能全部被筛掉 |
min_recent_sharpe | lookback_days = 252；min_sharpe = 0.5，正数 | 均值 / 样本标准差 × √252 严格大于阈值才保留；等于阈值、少于两条或零波动都剔除 |
drop_high_corr | lookback_days = 252；corr_threshold = 0.8，范围 (0,1]；keep_by = "sharpe" 或 "return" | 正相关严格大于阈值才去重，不对相关系数取绝对值；return 用均值评分。同分按策略名处理，输出恢复候选顺序；兼容旧键 metric，但 keep_by 优先 |
标的选择器
name | 可用参数及默认值 | 通俗含义与边界 |
|---|---|---|
top_amount_percent | percent = 0.8，范围 (0,1]；amount_column = "amount"，字符串 | 按正成交额从大到小取标的，直到累计达到阈值，包含跨过阈值的那个；没有正成交额就返回空列表 |
allowed_symbols | symbols，必填非空字符串数组 | 只保留显式名单中的精确代码，不做通配符匹配 |
引擎还有内嵌自定义 selector 能力，但 平台助手只支持受沙箱约束的自定义策略选择器，不接受自定义标的选择器源码。静态草稿通过不等于获准执行；本文不把任意 Python 代码作为普通平台参数推荐。
调仓方法
rebalance_method | 算法直觉 | 专属参数 |
|---|---|---|
equal_weight | 每个策略平均分 | 无 |
inverse_vol | 波动越小分得越多 | 无 |
risk_budgeting | 内置对角风险平价，当前复用 inverse_vol | 无；不是下文 skfolio RiskBudgeting 的同名替代 |
mean_risk | 对平均收益取正部后归一；全部非正则等权 | 无；不是 skfolio MeanRisk |
symbol_equal_then_strategy_equal | 先在标的之间平均，再在策略之间平均 | 无 |
vol_target_equal_weight | 等权基础上按目标波动缩放 | target_vol = 0.20，正数；lookback_days = 252，正整数 |
skfolio | 用所选优化器求策略权重 | 见下一节及候选参数全表 |
以上方法共同接受 risk_normalization 与 position_constraint_mode；后者默认且仅支持 "postprocess"，"native" 尚未认证，配置会报错。前五种方法不接受多余算法参数，不能给它们随意添加 lookback_days。
4. skfolio 的平台外层参数
只有设置 rebalance_method = "skfolio" 时使用本节。数据路径是：风险处理 → 截取收益窗口 → 剔除观测不足策略 → 全列共同去缺失 → 注入上期权重/分组 → 拟合或搜索 → 输出策略系数 → 裁负并归一 → 若启用风险归一则乘回尺度且不再归一 → 合成标的与应用政策。
收益可见性：窗口末端不是直接等于决策当天
平台准备训练数据时 先限制收益时间不晚于 asof_dt，再剔除最近两个有收益记录的可见日期的全部行，以第三个可见日期为有效训练截止日 T（training_end）。不是固定减两个自然日，也不是简单取两个行号；少于三个日期可能没有可训练收益。已经带有输入审计的切片不会重复剔除。选择器和 skfolio 切窗都在这一决策切片上，以 T 为窗口末端， 窗口为 [T − (N−1)自然日, T]。因此不能把决策当天直接当作窗口末端。
[rebalance_params] 键 | 类型 / 默认值 | 用途与注意事项 |
|---|---|---|
optimizer | 字符串 / "MeanRisk" | 选哪种优化器，12 个平台助手候选见下表；不是所有底层 public 类都是可用算法 |
optimizer_params | 对象 / {} | 只写所选类签名接受的键。平台构造前检查未知参数，递归转换枚举和模型规格 |
lookback_days | 正整数 / 252 | 窗口为 [T − (N−1)自然日, T]，T 是剔除最近两个可见收益日期后的有效训练截止日；不继承组合最外层同名字段 |
min_observations | 正整数 / 60 | 每策略窗口内有效观测不足就剔除，再对保留策略共同去缺失；60 不是最终对齐窗口长度保证 |
fallback_method | 注册名字符串 / "inverse_vol" | 拟合或搜索失败时回退，不能设 skfolio；以已过滤窗口、候选和空参数调用，仍失败则等权 |
previous_weights | "auto" / "off"，默认 "off" | auto 消费引擎推导的上期仓位；off 不消费。不是在这里填手写权重数组 |
use_groups | 布尔 / 默认不启用 | true 从策略元数据 meta.group 取组；不能与显式 groups 同时配置 |
groups | "auto" 或映射 / 省略 | 映射例 {STRATEGY_A = "trend"}；组名去空白转小写，缺组策略归 default，完全无交集报错 |
search | 对象 / 省略 | 超参搜索；不搜索请整段省略，不能留空占位 |
risk_normalization | 对象 / 省略即关闭 | 平台公共风险归一化，不是 skfolio 参数；空对象表示按默认值启用，不接受 false |
position_constraint_mode | 字符串 / "postprocess" | 公共最终持仓约束模式；目前只有这一种合法值 |
JSON 或平台助手输入中的窗口与次数推荐写整数 252。平台会把已知嵌套整数键中的整值浮点（如 252.0）转换为整数；字符串、布尔或带小数的数值不因此变为合法输入，正数范围仍受校验。TOML 的布尔值写小写 true/false。
优化器怎么选，哪些只是候选
optimizer 候选 | 做什么 | 是否能直接照抄使用 |
|---|---|---|
MeanRisk | 在预期收益、风险、效用或收益风险比之间优化 | 已有平台路径；具体参数与数据仍须校验 |
RiskBudgeting | 让各策略承担给定份额的风险 | 已有路径；可配 risk_budget，不要误用不存在的 objective_function |
HierarchicalRiskParity | 先按相关性聚类，再分层分配风险 | 已有路径；使用默认距离/聚类模型可避免白名单限制 |
HierarchicalEqualRiskContribution | 按层次聚类平衡风险贡献 | 已有路径；不是把所有 MeanRisk 参数照搬过来 |
NestedClustersOptimization | 簇内、簇间分别优化 | 嵌套模型可用 {class, params}；内部 cv 与外层 search.cv 不同，需单独审查时序 |
SchurComplementary | 通过 Schur 补调整分层权重 | gamma 控制调整程度；距离模型的显式配置受白名单限制 |
MaximumDiversification | 尽量获得分散化收益 | 支持其自身权重/预算参数，不接受所有 MeanRisk 特有参数 |
DistributionallyRobustCVaR | 考虑分布不确定性的尾部风险优化 | wasserstein_ball_radius 控制不确定性半径，不能当作通用风险上限 |
BenchmarkTracker | 跟踪基准收益 | 仅列入规划候选，不能视为当前端到端可用：原生 fit 需要基准 y，而平台当前调用 fit(X) 没有传入该数据；可能拟合失败并降级 |
EqualWeighted | skfolio 等权 | 无风险度量等优化参数；简单场景可直接用平台equal_weight |
InverseVolatility | skfolio 逆波动分配 | 可通过先验模型改风险估计，不接受全部 MeanRisk 参数 |
Random | 随机权重基线 | 不是稳健投资方案；此版本该类签名没有 random_state，写入会报错 |
底层 1.8.0 另有 StackingOptimization，平台动态类白名单可以解析，但不在平台助手的 12 个优化器配置候选内。抽象基类、数据容器也会出现在动态白名单中，不能据此当作可执行优化器。全表逐类标注这种区别。
5. 风险归一化：先让候选策略处在相近风险尺度
比如两个策略原始波动差很多，归一化先调整它们的收益尺度，再交给算法比较。它不保证最终组合恰好达到目标风险。
[rebalance_params.risk_normalization] 键 | 类型 / 默认值 | 含义与范围 |
|---|---|---|
method | 字符串 / "volatility" | 可选 volatility（年化波动）或 drawdown（区间最大回撤） |
target_volatility | 正数 / 0.20 | 波动法目标；尺度 = 目标 / (样本标准差 × √年交易日数) |
target_drawdown | (0,1) 数值 / 0.20 | 回撤法目标；尺度 = 目标 / 原始区间最大回撤。此处净值使用 1 + cumsum(returns)，不是逐期复利 |
trading_days_per_year | 正整数 / 252 | 波动年化因子；不是自动识别每个策略交易频率 |
min_observations | 正整数 / 2 | 每策略去缺失后的最少有效观测；与 skfolio 外层默认 60 独立 |
max_scale | 正数 / 省略即不限 | 尺度上限，例如 2；不配置时省略，不写 null |
没有搜索时，风险归一发生在 skfolio 自己切窗之前，使用传入决策切片；有搜索时，每折只从训练段估尺度， 用同一尺度变换验证段，最终用全训练窗口重估。缺收益、零风险或观测不足时保留尺度 1（仍受 max_scale 上限约束），不能认为已经成功达到风险目标，也不能依赖一定出现警告。
权重先裁负、归一，再乘回风险尺度，此后不再归一，总权重不必等于 1。总权重、回撤、波动和最终标的政策是不同约束层。风险归一化不能和 previous_weights = "auto" 或 optimizer_params.max_turnover 同配，当前校验拒绝，不要为了启用而绕过校验。
6. MeanRisk 参数：先理解类别，再查精确默认值
完整的 63 个构造参数及逐类差异见候选参数全表。下表解释最容易混淆的类别；这些键都放在 optimizer_params，但只有所选优化器签名接受时才有效。
| 参数 / 参数组 | 通俗解释 | 配置边界 |
|---|---|---|
objective_function | MINIMIZE_RISK 尽量低风险；MAXIMIZE_RETURN 尽量高收益；MAXIMIZE_UTILITY 在收益与风险之间折中；MAXIMIZE_RATIO 尽量高超额收益/风险比 | 默认 MINIMIZE_RISK；必须写精确枚举名称 |
risk_measure | 告诉算法“用哪把尺子量风险” | 默认 VARIANCE；不能把 HRP 额外支持的指标当作 MeanRisk 都支持 |
risk_aversion | MAXIMIZE_UTILITY 中对风险的惩罚强弱 | 默认 1.0；数值大通常更厌恶风险，不代表回撤上限 |
min_weights / max_weights | 单策略系数下限/上限 | 默认 0/1；可为标量、按列顺序数组或按策略名映射。预算为 1 且上限 0.3 时，至少 4 个可用策略才可能可行 |
budget / min_budget / max_budget | 策略权重总和及区间 | 默认 budget=1.0；不是最终账户杠杆保证，平台后处理会再归一 |
max_short / max_long | 优化器层面的总空头/多头上限 | 默认不设；平台最终策略系数裁负，不应把原生多空组合当成执行保证 |
min_return | 要求单期预期收益不低于阈值 | 默认省略；不是年收益承诺，也不是净值实际收益保证 |
max_variance / max_standard_deviation 等 15 个 max_ 风险上限 | 分别限制对应的风险量，完整名称见全表 | 方差单位是收益的平方，标准差是收益单位；MeanRisk 没有通用 max_risk |
cvar_beta / evar_beta / cdar_beta / edar_beta | 尾部风险置信水平，默认都为 0.95 | 必须 (0,1)；越高越聚焦极端尾部，需要足够样本 |
transaction_costs / management_fees | 在模型中计入换仓与持有成本 | 默认 0；与单期收益使用一致单位，不等于平台自动扣实际券商费 |
l1_coef / l2_coef | 对权重施加正则化，抑制极端配置 | 默认 0；效果受预算、约束影响，不是持仓数量限制 |
linear_constraints | 用可读表达式限制策略或组 | 如 ["trend <= 0.5"]，名称必须能匹配当前窗口；组名规范成小写，策略名保留精确大小写 |
left_inequality / right_inequality | 矩阵形式的 A × w <= b | 列数、顺序须匹配最终收益列，不能照搬过滤前的维度 |
prior_estimator | 收益、协方差等估计模型 | 可用白名单规格，如 EmpiricalPrior 内嵌 ShrunkMu；细节见全表 |
solver / solver_params | 数值求解工具及其参数 | 默认 CLARABEL；切换求解器需运行环境安装支持，不会自动取得商业授权 |
scale_objective / scale_constraints / save_problem | 数值尺度和调试开关 | 不是收益缩放；save_problem 保存的是 Python 模型中的问题对象，不是自动下载文件 |
portfolio_params | 传给底层结果组合对象的元参数 | 不是改变平台收益切窗的入口；不要借此假设产生平台回测口径 |
fallback / raise_on_failure | skfolio 原生内部失败处理 | 与平台fallback_method 是两层机制；改变它们可能让底层内部回退而不触发平台降级警告，勿当成同义参数 |
efficient_frontier_size | 一次拟合多个前沿点 | 原生可选，但平台需要一维单套 weights_，多套前沿权重不符合当前输出契约；不是直接可用的平台多组合功能 |
场景缓冲与矩估计窗口不是同一件事
平台的 lookback_days 按自然日裁切传给模型的收益输入；skfolio 1.8.0 的 EmpiricalPrior.max_history 则仅截断收益场景缓冲，不限制均值或协方差估计样本。需要矩估计窗口时，须分别配置嵌套的 mu_estimator（如 EmpiricalMu）与 covariance_estimator（如 EmpiricalCovariance）的 window_size，按观测数取窗。它们是底层嵌套候选参数，不是平台新增的顶层字段。
语义核对使用 100 条合成收益：仅设置 max_history=20 后，场景保留最后 20 条，但均值、协方差仍等于全 100 条样本的估计；另外分别设置两个矩估计器的 window_size=20 后，矩估计才等于末 20 条样本的估计。此结论针对 EmpiricalPrior，不要套用到其他类的同名参数。
不能直接使用的参数
| 参数 | 原生能力 | 平台/TOML 的实际边界 |
|---|---|---|
cardinality、group_cardinalities、threshold_long、threshold_short | 持仓数量、分组数量或非零阈值等混合整数约束 | 平台构造期主动拒绝这些键；换用 MIP solver 也不放行 |
add_constraints、add_objective、overwrite_expected_return | Python callable 自定义表达式 | 不能把字符串当函数传入 TOML/JSON；用 linear_constraints 等纯数据接口 |
mu_uncertainty_set_estimator、covariance_uncertainty_set_estimator | 鲁棒优化不确定性集合 | 相关类所在模块不在平台类白名单内，不能用 {class=...} 直接配置；省略仍可用默认未启用状态 |
distance_estimator、hierarchical_clustering_estimator、seriation_estimator | 显式指定距离、聚类、排序实现 | 对应常见实现模块不在白名单，默认模型可工作不等于自定义规格已开放；不要把 linkage_method 直接塞进 HRP |
| 基准、因子、期权隐含波动等 fit 附加数据 | 某些底层类需要 y、因子收益或额外元数据 | 平台此路径只传收益 X；签名存在不等于已接入这些数据。全表将此类标为底层候选/条件能力 |
max_turnover 是平台改写后的“总换手”
同时配置 previous_weights = "auto" 和正数 optimizer_params.max_turnover，平台拦截原生参数，改成 Σ｜新权重 − 上期漂移权重｜ ≤ 阈值，含退出策略的换手；不是单策略换手上限，也不是单边换手的一半。上期漂移采用期间日收益之和调整后归一。该拦截和上期仓位、分组注入针对最外层所选优化器，不能假定会递归注入 NCO 的全部内外层子模型；在深层模型填写同名字段不构成同样的总换手保证。
首期没有上期权重时会警告、该期不绑定换手约束；随后有上期权重才生效。启用该约束后拟合失败直接报错，不能用降级算法绕开。它不能和显式 add_constraints 共存，也不能和风险归一化共存。还需注意：MAXIMIZE_RATIO + max_turnover 的求解器缩放行为未认证，不能把这个组合当作已验证方案。
7. 枚举、嵌套模型与超参搜索
纯数据怎么变成底层对象
| 写法 | 例子 | 意义 |
|---|---|---|
| 枚举名字符串 | risk_measure = "CVAR" | 自动转为枚举；请保留精确大写名称，不要写 cvar |
| 模型规格 | prior_estimator = {class = "EmpiricalPrior", params = {}} | 白名单实例化，params 可以省略或继续嵌套，但必须是对象 |
| 嵌套模型 | mu_estimator = {class = "ShrunkMu", params = {}} | 必须放在接受它的父类 params 内，不是所有优化器直接接受 mu_estimator |
| 搜索分布 | {distribution = "uniform", low = 0.2, high = 0.4} | 只用于随机搜索，high 必须大于 low；loguniform 边界须为正数；randint 使用整数边界且平台包含 high |
类白名单来自 skfolio.optimization/prior/moments/preprocessing/model_selection 和 sklearn.model_selection 的 public 非枚举类。允许“解析名字”不等于类可用于任 意位置，父参数的类型、fit 所需数据、平台助手允许的配置范围 都还会限制。
搜索参数表
[rebalance_params.search] 键 | 默认 / 类型 | 具体含义 |
|---|---|---|
method | "GridSearchCV" / 字符串 | 或 RandomizedSearchCV；含分布时必须使用后者 |
param_grid | 必填非空对象 | 键用优化器 get_params 路径，如 l2_coef、prior_estimator__mu_estimator__method；不能搜索平台外层 lookback_days、min_observations 等 |
scoring | 省略 | 省略或 sharpe_ratio 都用优化器默认 score；其他字符串交 sklearn 解析，不是任意指标都自动可用 |
refit | true / 布尔 | true 使用最佳模型；false 仍会按最优参数在全窗口重训，不是不重训 |
n_jobs | 1 / 整数 | 并行数，允许 -1；不会解决约束不可行或数据不足 |
n_iter | 20 / 正整数 | 随机搜索抽样次数；网格搜索不使用，但仍检查合法性 |
cv | 省略或模型规格 | 缺省 WalkForward：test=max(1,n//6)，train=n−2×test 且 train≥2；n 为对齐后行数 |
显式 WalkForward 必须写 train_size、test_size，不能填 n_splits。若用 TimeSeriesSplit 才写 n_splits。实际执行检查每折的索引非空、合法、递增、训练验证不交叉且训练完全早于验证；普通 KFold 通常不满足因果要求，会直接失败。
网格中不能覆盖平台约束通道：max_turnover、previous_weights、add_constraints、group_cardinalities、groups、linear_constraints、cardinality、threshold_long、threshold_short、add_objective、overwrite_expected_return，嵌套路径也受检查。枚举只能列离散名字候选，不能用连续分布采样。随机分布直接作为键的值，不要再包一层数组。
8. 可读的配置骨架
下面只演示结构，STRATEGY_EXAMPLE_* 是占位策略名，必须换成确实存在、同市场且数据足够的完整策略名；不是可直接创建的真实组合，不包含通知密钥。
schema_version = "1.0"
portfolio_code = "portfolio_demo"
description = "使用 CVaR 控制尾部风险的组合示 例"
status = "暂停"
candidate_strategies = ["STRATEGY_EXAMPLE_A", "STRATEGY_EXAMPLE_B", "STRATEGY_EXAMPLE_C", "STRATEGY_EXAMPLE_D"]
rebalance_date_rules = ["每月最后一天"]
rebalance_method = "skfolio"
skip_existing = false
t_plus_one = false
long_only = true
[rebalance_params]
optimizer = "MeanRisk"
lookback_days = 252
min_observations = 60
fallback_method = "inverse_vol"
position_constraint_mode = "postprocess"
[rebalance_params.optimizer_params]
objective_function = "MINIMIZE_RISK"
risk_measure = "CVAR"
cvar_beta = 0.95
min_weights = 0.0
max_weights = 0.30
solver = "CLARABEL"
[rebalance_params.optimizer_params.prior_estimator]
class = "EmpiricalPrior"
[rebalance_params.optimizer_params.prior_estimator.params.mu_estimator]
class = "ShrunkMu"
预算默认 1，上限 0.3 需要至少 4 个实际进入求解窗口的策略；示例虽然列了 4 个，若窗口筛掉一个仍可能不可行。不要把自动降级后的成功输出误认为原优化约束已满足。
需要搜索时再加下面一段，样本不足时应先调整训练/验证长度，而不是绕过时序检查：
[rebalance_params.search]
method = "GridSearchCV"
refit = true
n_jobs = 1
[rebalance_params.search.param_grid]
l2_coef = [0.0, 0.01, 0.1]
[rebalance_params.search.cv]
class = "WalkForward"
params = {train_size = 80, test_size = 20}
9. 出错后到底会不会降级
| 场景 | 实际行为 | 排查方向 |
|---|---|---|
| 未知类名、未知参数、非法枚举、禁用项、构造失败 | 直接报错，不降级 | 先查所选类全表与支持状态 |
| 所有策略观测不足，或共同去缺失后为空 | 直接报错，不降级 | 窗口、数据频率、缺失交集 |
| CV 时间穿越，约束名失配，分组无交集 | 直接报错，不降级 | 切分时序、策略名/组名与当前窗口 |
| 正常拟合或搜索异常 | 警告后尝试 fallback_method，再失败等权 | 同时检查是否已降级，不能只看有无权重输出 |
| auto + max_turnover 已启用，拟合失败 | 直接报错 | 不允许通过降级突破总换手约束 |
| 返回权重长度不匹配 | 直接报错 | 输入列与输出维度；多前沿输出不满足单套权重契约 |
规则生成的首次成功期前、所有策略都不足最少观测的连续 warm-up 日期可跳过；显式日期以及首次成功后的数据不足不享受这一例外。静态校验、单次探测与完整历史滚动求解是不同层级，静态通过不保证整段历史可执行。
10. 参数覆盖与使用范围
本页核对平台组合配置的 17 个现行字段、内置选择器、7 个调仓注册方法、skfolio 外层参数、风险归一化 6 个子键和搜索 7 个子键。候选参数全表列出 1.8.0 中平台动态白名单所含的 64 个 skfolio public 类、588 个构造参数位置（同名字段按类分别计数），并区分 12 个平台助手优化器候选、嵌套模型、底层附加类/数据容器、禁用或尚无数据入口的能力。
“全部候选”在本文明确指上述版本与平台入口的构造参数全集，不是整个 skfolio 任意函数、任意模块或未来版本的 API 全集。未列为开放入口的 distance、cluster、uncertainty_set 等模块，不能从这份文档推导为平台已支持。sklearn 的模型选择类属于外部工具，不计入 64 个 skfolio 类；常用 TimeSeriesSplit 已另列说明。
11. skfolio 候选参数全表
本节按类名列出全部候选参数，可通过下方索引跳转；“候选”不代表已支持任意组合。
候选参数不等于平台支持清单
本节按 skfolio 1.8.0 的参数定义整理。 本表列出该版本参数名、类型和默认值，并标注平台配置入口的支持边界。 覆盖平台动态类白名单中 5 个 skfolio 模块的 64 个 public 非枚举类、588 个参数位置、225 个不同参数名；12 个平台助手可选优化器共用其中的优化器表。 类能被白名单解析，不代表它是优化器，也不代表所有父参数类型、额外 fit 数据和执行入口已支持。每行“候选”必须和本类入口说明一起读。
怎么读类型和默认值
| 表记 | 人话解释 |
|---|---|
None（省略） | 不显式启用该选项；TOML 无 null，应省略该键。默认内部模型由该类实现选择，不是自动允许任意模型。 |
skt.MultiInput / ArrayLike / FloatArray | 数值、向量或名称映射等底层输入；MultiInput 常允许统一值/逐资产数组/按名称映射，具体依本参数。数组维度与最终收益列对应。 |
skt.Target | 某些优化约束允许标量或多目标数组；平台当前要单套一维权重，优先使用标量，多解输出不可视为已支持。 |
BasePrior / BaseCovariance / 其他类类型 | 模型对象；普通配置只能通过白名单 {class, params} 构造，不能传任意 Python 对象。 |
Callable / ExpressionFunction / ConstraintFunction | Python 函数接口，不是 TOML 字符串可表达的可执行能力。 |
BaseOffset / timedelta | Python 日历对象；纯 TOML 无原生此对象，优先使用已支持的整数或频率字符串路径，不编造对象编码。 |
必填 | 该类构造签名无默认值，不等于平台已提供所需数据。 |
数值上限、收益、费用等采用输入单期口径；方差使用收益平方单位，回撤等为比例。优化器与模型同名字段可能语义不同，以所属类和入口说明为准。
类与参数数量索引
| 模块 | 类 | 参数数 | 入口定位 |
|---|---|---|---|
| optimization | BaseOptimization | 4 | 嵌套/底层候选；不属于平台助手可选优化器 |
| optimization | BenchmarkTracker | 30 | 平台助手可选优化器（仍受边界限制） |
| optimization | ConvexOptimization | 42 | 嵌套/底层候选；不属于平台助手可选优化器 |
| optimization | DistributionallyRobustCVaR | 28 | 平台助手可选优化器（仍受边界限制） |
| optimization | MaximumDiversification | 35 | 平台助手可选优化器（仍受边界限制） |
| optimization | MeanRisk | 63 | 平台助手可选优化器（仍受边界限制） |
| optimization | RiskBudgeting | 30 | 平台助手可选优化器（仍受边界限制） |
| optimization | StackingOptimization | 11 | 嵌套/底层候选；不属于平台助手可选优化器 |
| optimization | HierarchicalEqualRiskContribution | 14 | 平台助手可选优化器（仍受边界限制） |
| optimization | HierarchicalRiskParity | 14 | 平台助手可选优化器（仍受边界限制） |
| optimization | NestedClustersOptimization | 13 | 平台助手可选优化器（仍受边界限制） |
| optimization | SchurComplementary | 15 | 平台助手可选优化器（仍受边界限制） |
| optimization | EqualWeighted | 4 | 平台助手可选优化器（仍受边界限制） |
| optimization | InverseVolatility | 5 | 平台助手可选优化器（仍受边界限制） |
| optimization | Random | 4 | 平台助手可选优化器（仍受边界限制） |
| prior | BasePrior | 0 | 嵌套/底层候选；不属于平台助手可选优化器 |
| prior | BlackLitterman | 6 | 嵌套/底层候选；不属于平台助手可选优化器 |
| prior | CharacteristicsFactorModel | 20 | 嵌套/底层候选；不属于平台助手可选优化器 |
| prior | EmpiricalPrior | 5 | 嵌套/底层候选；不属于平台助手可选优化器 |
| prior | EntropyPooling | 13 | 嵌套/底层候选；不属于平台助手可选优化器 |
| prior | CovarianceSqrt | 2 | 嵌套/底层候选；不属于平台助手可选优化器 |
| prior | FactorModel | 17 | 嵌套/底层候选；不属于平台助手可选优化器 |
| prior | ReturnDistribution | 5 | 嵌套/底层候选；不属于平台助手可选优化器 |
| prior | OpinionPooling | 6 | 嵌套/底层候选；不属于平台助手可选优化器 |
| prior | SyntheticData | 3 | 嵌套/底层候选；不属于平台助手可选优化器 |
| prior | BaseLoadingMatrix | 0 | 嵌套/底层候选；不属于平台助手可选优化器 |
| prior | LoadingMatrixRegression | 2 | 嵌套/底层候选；不属于平台助手可选优化器 |
| prior | TimeSeriesFactorModel | 5 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | OAS | 5 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | BaseCovariance | 4 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | DenoiseCovariance | 4 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | DetoneCovariance | 5 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | EWCovariance | 7 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | EmpiricalCovariance | 6 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | GeodesicShrinkageCovariance | 6 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | GerberCovariance | 6 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | GraphicalLassoCV | 13 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | ImpliedCovariance | 9 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | LedoitWolf | 6 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | RegimeAdjustedEWCovariance | 14 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | ShrunkCovariance | 6 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | BaseMu | 0 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | EWMu | 3 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | EmpiricalMu | 1 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | EquilibriumMu | 3 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | ShrunkMu | 3 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | BaseVariance | 1 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | EWVariance | 4 | 嵌套/底层候选；不属于平台助手可选 优化器 |
| moments | EmpiricalVariance | 3 | 嵌套/底层候选；不属于平台助手可选优化器 |
| moments | RegimeAdjustedEWVariance | 8 | 嵌套/底层候选；不属于平台助手可选优化器 |
| preprocessing | BaseCSTransformer | 0 | 嵌套/底层候选；不属于平台助手可选优化器 |
| preprocessing | CSGaussianRankScaler | 3 | 嵌套/底层候选；不属于平台助手可选优化器 |
| preprocessing | CSPercentileRankScaler | 1 | 嵌套/底层候选；不属于平台助手可选优化器 |
| preprocessing | CSStandardScaler | 2 | 嵌套/底层候选；不属于平台助手可选优化器 |
| preprocessing | CSTanhShrinker | 2 | 嵌套/底层候选；不属于平台助手可选优化器 |
| preprocessing | CSWinsorizer | 2 | 嵌套/底层候选；不属于平台助手可选优化器 |
| model_selection | BaseCombinatorialCV | 0 | 嵌套/底层候选；不属于平台助手可选优化器 |
| model_selection | CombinatorialPurgedCV | 4 | 嵌套/底层候选；不属于平台助手可选优化器 |
| model_selection | CovarianceForecastComparison | 2 | 嵌套/底层候选；不属于平台助手可选优化器 |
| model_selection | CovarianceForecastEvaluation | 10 | 嵌套/底层候选；不属于平台助手可选优化器 |
| model_selection | MultipleRandomizedCV | 5 | 嵌套/底层候选；不属于平台助手可选优化器 |
| model_selection | OnlineGridSearch | 17 | 嵌套/底层候选；不属于平台助手可选优化器 |
| model_selection | OnlineRandomizedSearch | 19 | 嵌套/底层候选；不属于平台助手可选优化器 |
| model_selection | WalkForward | 8 | 嵌套/底层候选；不属于平台助手可选优化器 |
optimization 模块
BaseOptimization
入口说明： 底层公共基类，不作为普通用户可执行算法推荐；有构造参数不等于能独立 fit 并输出权重。
原生类型：skfolio.optimization.BaseOptimization。以下 4 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变 平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省略） | skfolio 内部失败回退设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
BenchmarkTracker
入口说明： 规划列出候选，但原生 fit 需要基准 y；当前平台只调用 fit(X)，不应当作端到端已开放能力。
原生类型：skfolio.optimization.BenchmarkTracker。以下 30 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
risk_measure | RiskMeasure | STANDARD_DEVIATION | 选择风险度量；MeanRisk 等要求 RiskMeasure，HRP/HERC 还支持 ExtraRiskMeasure，具体算法支持集合仍需校验。 | 候选；须同时满足本类入口限制 |
prior_estimator | BasePrior 或 None | None（省略） | 提供收益均值、协方差、收益分布等估计的先验模型，通常可嵌套白名单 prior 类。 | 候选；须同时满足本类入口限制 |
min_weights | skt.MultiInput 或 None | 0.0 | 单策略权重下限，标量、数组或名称映射；原生负值能力不等于平台保留负策略系数。 | 候选；须同时满足本类入口限制 |
max_weights | skt.MultiInput 或 None | 1.0 | 单策略权重上限，标量或逐策略数组/名称映射；需满足预算可行性与最终列维度。 | 候选；须同时满足本类入口限制 |
max_short | float 或 None | None（省略） | 优化器中总空头敞口上限；平台会裁掉负策略系数，不保证原生多空解照原样执行。 | 候选；须同时满足本类入口限制 |
max_long | float 或 None | None（省略） | 优化器中总多头敞口上限；平台后处理与最终标的政策可能改变原生结果。 | 候选；须同时满足本类入口限制 |
cardinality | int 或 None | None（省略） | 持仓数量上限等混合整数约束；平台主动拒绝该键，即使更换求解器也不开放。 | 禁用：平台拒绝 |
group_cardinalities | dict[str, int] 或 None | None（省略） | 分组持仓数量限制；平台构造期拒绝，不能靠更换 solver 放行。 | 禁用：平台拒绝 |
threshold_long | skt.MultiInput 或 None | None（省略） | 非零多头 持仓最小阈值等 MIP 能力；平台构造期拒绝。 | 禁用：平台拒绝 |
threshold_short | skt.MultiInput 或 None | None（省略） | 非零空头持仓最小阈值等 MIP 能力；平台构造期拒绝。 | 禁用：平台拒绝 |
transaction_costs | skt.MultiInput | 0.0 | 换手对应的单期交易成本系数，可统一或逐资产设置；通常依赖有效上期权重，不等于券商实际扣费。 | 候选；须同时满足本类入口限制 |
management_fees | skt.MultiInput | 0.0 | 单期持有费用，可为统一数值、数组或名称映射；须与输入收益单位一致。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
groups | skt.Groups 或 None | None（省略） | 资产到组的映射；平台通常从 rebalance_params.groups/use_groups 注入，名字与收益列须匹配。 | 平台注入通道；不要误填层级 |
linear_constraints | skt.LinearConstraints 或 None | None（省略） | 线性约束表达式列表，可引用策略或组；平台把名称失配从警告升级为错误。 | 候选；须同时满足本类入口限制 |
left_inequality | skt.Inequality 或 None | None（省略） | 矩阵约束 A×w≤b 中的 A；列顺序必须对应最终收益列。 | 候选；须同时满足本类入口限制 |
right_inequality | skt.Inequality 或 None | None（省略） | 矩阵不等式 A×w≤b 的右侧上界向量 b。 | 候选；须同时满足本类入口限制 |
l1_coef | float | 0.0 | 权重 L1 正则化系数，0 表示不额外惩罚；不是持仓数量硬约束。 | 候选；须同时满足本类入口限制 |
l2_coef | float | 0.0 | 权重 L2 正则化系数，常用于缓和集中权重，0 表示不惩罚。 | 候选；须同时满足本类入口限制 |
risk_free_rate | float | 0.0 | 输入收益同周期的无风险收益率，用于超额收益等，不会自动年化换算。 | 候选；须同时满足本类入口限制 |
solver | str | 'CLARABEL' | 底层数值求解器名；凸优化常为 CLARABEL，EntropyPooling 等类可用不同求解工具，按本类默认值读。 | 候选；须同时满足本类入口限制 |
solver_params | dict 或 None | None（省略） | 该类求解器的附加选项对象，名称依求解器而异，不能照搬另一求解器参数。 | 候选；须同时满足本类入口限制 |
scale_objective | float 或 None | None（省略） | 求解目标的数值缩放，改善数值稳定性；不改变收益计量周期。 | 候选；须同时满足本类入口限制 |
scale_constraints | float 或 None | None（省略） | 求解约束的数值缩放，改善条件数；不是投资资金缩放。 | 候选；须同时满足本类入口限 制 |
save_problem | bool | false | 保留求解问题对象供 Python 调试；不等于平台自动生成可下载报告。 | 候选；须同时满足本类入口限制 |
add_objective | skt.ExpressionFunction 或 None | None（省略） | 自定义目标函数。属于 Python callable 通道，不是可执行字符串。 | 不可序列化：仅 Python callable |
add_constraints | skt.ConstraintFunction 或 None | None（省略） | 自定义约束函数。TOML/JSON 不能提供 Python callable；改用线性约束。 | 不可序列化：仅 Python callable |
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省略） | skfolio 内部失败回退设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
ConvexOptimization
入口说明： 底层公共基类，不作为普通用户可执行算法推荐；有构造参 数不等于能独立 fit 并输出权重。
原生类型：skfolio.optimization.ConvexOptimization。以下 42 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
risk_measure | RiskMeasure | VARIANCE | 选择风险度量；MeanRisk 等要求 RiskMeasure，HRP/HERC 还支持 ExtraRiskMeasure，具体算法支持集合仍需校验。 | 候选；须同时满足本类入口限制 |
prior_estimator | BasePrior 或 None | None（省略） | 提供收益均值、协方差、收益分布等估计的先验模型，通常可嵌套白名单 prior 类。 | 候选；须同时满足本类入口限制 |
min_weights | skt.MultiInput 或 None | 0.0 | 单策略权重下限，标量、数组或名称映射；原生负值能力不等于平台保留负策略系数。 | 候选；须同时满足本类入口限制 |
max_weights | skt.MultiInput 或 None | 1.0 | 单策略权重上限，标量或逐策略数组/名称映射；需满足预算可行性与最终列维度。 | 候选；须同时满足本类入口限制 |
budget | float 或 None | 1.0 | 优化权重之和的等式目标，1 表示总和为 1；平台后处理不保证原生总额保留。 | 候选；须同时满足本类入口限制 |
min_budget | float 或 None | None（省略） | 权重总和下界，省略表示不单设该边界。 | 候选；须同时满足本类入口限制 |
max_budget | float 或 None | None（省略） | 权重总和上界，省略表示不单设该边界；须与 budget 等设定一致。 | 候选；须同时满足本类入口限制 |
max_short | float 或 None | None（省略） | 优化器中总空头敞口上限；平台会裁掉负策略系数，不保证原生多空解照原样执行。 | 候选；须同时满足本类入口限制 |
max_long | float 或 None | None（省略） | 优化器中总多头敞口上限；平台后处理与最终标的政策可能改变原生结果。 | 候选；须同时满足本类入口限制 |
cardinality | int 或 None | None（省略） | 持仓数量上限等混合整数约束；平台主动拒绝该键，即使更换求解器也不开放。 | 禁用：平台拒绝 |
group_cardinalities | dict[str, int] 或 None | None（省略） | 分组持仓数量限制；平台构造期拒绝，不能靠更换 solver 放行。 | 禁用：平台拒绝 |
threshold_long | skt.MultiInput 或 None | None（省略） | 非零多头持仓最小阈值等 MIP 能力；平台构造期拒绝。 | 禁用：平台拒绝 |
threshold_short | skt.MultiInput 或 None | None（省略） | 非零空头持仓最小阈值等 MIP 能力；平台构造期拒绝。 | 禁用：平台拒绝 |
transaction_costs | skt.MultiInput | 0.0 | 换手对应的单期交易成本系数，可统一或逐资产设置；通常依赖有效上期权重，不等于券商实际扣费。 | 候选；须同时满足本类入口限制 |
management_fees | skt.MultiInput | 0.0 | 单期持有费用，可为统一数值、数组或名称映射；须与输入收益单位一致。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
target_weights | skt.MultiInput 或 None | None（省略） | 跟踪误差等使用的参考权重，须匹配最终资产列；不是最终必须执行的目标仓位。 | 候选；须同时满足本类入口限制 |
groups | skt.Groups 或 None | None（省略） | 资产到组的映射；平台通常从 rebalance_params.groups/use_groups 注入，名字与收益列须匹配。 | 平台注入通道；不要误填层级 |
linear_constraints | skt.LinearConstraints 或 None | None（省略） | 线性约束表达式列表，可引用策略或组；平台把名称失配从警告升级为错误。 | 候选；须同时满足本类入口限制 |
left_inequality | skt.Inequality 或 None | None（省略） | 矩阵约束 A×w≤b 中的 A；列顺序必须对应最终收益列。 | 候选；须同时满足本类入口限制 |
right_inequality | skt.Inequality 或 None | None（省略） | 矩阵不等式 A×w≤b 的右侧上界向量 b。 | 候选；须同时满足本类入口限制 |
l1_coef | float | 0.0 | 权重 L1 正则化系数，0 表示不额外惩罚；不是持仓数量硬约束。 | 候选；须同时满足本类入口限制 |
l2_coef | float | 0.0 | 权重 L2 正则化系数，常用于缓和集中权重，0 表示不惩罚。 | 候选；须同时满足本类入口限制 |
mu_uncertainty_set_estimator | BaseMuUncertaintySet 或 None | None（省略） | 收益均值不确定性集合模型；对应实现模块未进平台白名单，不能直接写 class 规格。 | 底层候选：显式实现受白名单限制 |
covariance_uncertainty_set_estimator | BaseCovarianceUncertaintySet 或 None | None（省略） | 协方差不确定性集合模型；对应实现模块不在平台白名单，不能直接写 class 规格启用。 | 底层候选：显式实现受白名单限制 |
risk_free_rate | float | 0.0 | 输入收益同周期的无风险收益率，用于超额收益等，不会自动年化换算。 | 候选；须同时满足本类入口限制 |
min_acceptable_return | skt.Target 或 None | None（省略） | 下行风险计算的最低可接受收益阈值，不等于组合最低收益约束 min_return。 | 候选；须同时满足本类入口限制 |
cvar_beta | float | 0.95 | 条件尾部损失的置信水平；0.95 聚焦最差约 5% 场景，平台要求 (0,1)。 | 候选；须同时满足本类入口限制 |
evar_beta | float | 0.95 | 熵尾部损失的置信水平，平台要求严格在 (0,1)。 | 候选；须同时满足本类入口限制 |
cdar_beta | float | 0.95 | 条件尾部回撤的置信水平，通常 0.95；平台要求严格在 (0,1)。 | 候选；须同时满足本类入口限制 |
edar_beta | float | 0.95 | 熵尾部回撤的置信水平，平台要求严格在 (0,1)。 | 候选；须同时满足本类入口限制 |
solver | str | 'CLARABEL' | 底层数值求解器名；凸优化常为 CLARABEL，EntropyPooling 等类可用不同求解工具，按本类默认值读。 | 候选；须同时满足本类入口限制 |
solver_params | dict 或 None | None（省略） | 该类求解器的附加选项对象，名称依求解器而异，不能照搬另一求解器参数。 | 候选；须同时满足本类入口限制 |
scale_objective | float 或 None | None（省略） | 求解目标的数值缩放，改善数值稳定性；不改变收益计量周期。 | 候选；须同时满足本类入口限制 |
scale_constraints | float 或 None | None（省略） | 求解约束的数值缩放，改善条件数；不是投资资金缩放。 | 候选；须同时满足本类入口限制 |
save_problem | bool | false | 保留求解问题对象供 Python 调试；不等于平台自动生成可下载报告。 | 候选；须同时满足本类入口限制 |
add_objective | skt.ExpressionFunction 或 None | None（省略） | 自定义目标函数。属于 Python callable 通道，不是可执行字符串。 | 不可序列化：仅 Python callable |
add_constraints | skt.ConstraintFunction 或 None | None（省略） | 自定义约束函数。TOML/JSON 不能提供 Python callable；改用线性约束。 | 不可序列化：仅 Python callable |
overwrite_expected_return | skt.ExpressionFunction 或 None | None（省略） | 覆盖预期收益表达式的 Python callable 通道，不能在 TOML 中写字符串执行。 | 不可序列化：仅 Python callable |
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省略） | skfolio 内部失败回退设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
DistributionallyRobustCVaR
**入口说明：**平台助手的 optimizer 候选之一；参数放在 rebalance_params.optimizer_params，构造成功仍需数据/约束与单套权重输出有效。
原生类型：skfolio.optimization.DistributionallyRobustCVaR。以下 28 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
risk_aversion | float | 1.0 | 风险厌恶强度；MeanRisk 用于效用目标，EquilibriumMu/BlackLitterman 用于均衡收益，含义依父类。 | 候选；须同时满足本类入口限制 |
cvar_beta | float | 0.95 | 条件尾部损失的置信水平；0.95 聚焦最差约 5% 场景，平台要求 (0,1)。 | 候选；须同时满足本类入口限制 |
wasserstein_ball_radius | float | 0.02 | 分布鲁棒 CVaR 的 Wasserstein 不确定性半径；越大考虑更广的分布扰动，不是组合回撤目标。 | 候选；须同时满足本类入口限制 |
prior_estimator | BasePrior 或 None | None（省略） | 提供收益均值、协方差、收益分布等估计的先验模型，通常可嵌套白名单 prior 类。 | 候选；须同时满足本类入口限制 |
min_weights | skt.MultiInput 或 None | 0.0 | 单策略权重下限，标量、数组或名称映射；原生负值能力不等于平台保留负策略系数。 | 候选；须同时满足本类入口限制 |
max_weights | skt.MultiInput 或 None | 1.0 | 单策略权重上限，标量或逐策略数组/名称映射；需满足预算可行性与最终列维度。 | 候选；须同时满足本类入口限制 |
budget | float 或 None | 1 | 优化权重之和的等式目标，1 表示总和为 1；平台后处 理不保证原生总额保留。 | 候选；须同时满足本类入口限制 |
min_budget | float 或 None | None（省略） | 权重总和下界，省略表示不单设该边界。 | 候选；须同时满足本类入口限制 |
max_budget | float 或 None | None（省略） | 权重总和上界，省略表示不单设该边界；须与 budget 等设定一致。 | 候选；须同时满足本类入口限制 |
max_short | float 或 None | None（省略） | 优化器中总空头敞口上限；平台会裁掉负策略系数，不保证原生多空解照原样执行。 | 候选；须同时满足本类入口限制 |
max_long | float 或 None | None（省略） | 优化器中总多头敞口上限；平台后处理与最终标的政策可能改变原生结果。 | 候选；须同时满足本类入口限制 |
groups | skt.Groups 或 None | None（省略） | 资产到组的映射；平台通常从 rebalance_params.groups/use_groups 注入，名字与收益列须匹配。 | 平台注入通道；不要误填层级 |
linear_constraints | skt.LinearConstraints 或 None | None（省略） | 线性约束表达式列表，可引用策略或组；平台把名称失配从警告升级为错误。 | 候选；须同时满足本类入口限制 |
left_inequality | skt.Inequality 或 None | None（省略） | 矩阵约束 A×w≤b 中的 A；列顺序必须对应最终收益列。 | 候选；须同时满足本类入口限制 |
right_inequality | skt.Inequality 或 None | None（省略） | 矩阵不等式 A×w≤b 的右侧上界向量 b。 | 候选；须同时满足本类入口限制 |
risk_free_rate | float | 0.0 | 输入收益同周期的无风险收益率，用于超额收益等，不会自动年化换算。 | 候选；须同时满足本类入口限制 |
solver | str | 'CLARABEL' | 底层数值求解器名；凸优化常为 CLARABEL，EntropyPooling 等类可用不同求解工具，按本类默认值读。 | 候选；须同时满足本类入口限制 |
solver_params | dict 或 None | None（省略） | 该类求解器的附加选项对象，名称依求解器而异，不能照搬另一求解器参数。 | 候选；须同时满足本类入口限制 |
scale_objective | float 或 None | None（省略） | 求解目标的数值缩放，改善数值稳定性；不改变收益计量周期。 | 候选；须同时满足本类入口限制 |
scale_constraints | float 或 None | None（省略） | 求解约束的数值缩放，改善条件数；不是投资资金缩放。 | 候选；须同时满足本类入口限制 |
save_problem | bool | false | 保留求解问题对象供 Python 调试；不等于平台自动生成可下载报告。 | 候选；须同时满足本类入口限制 |
add_objective | skt.ExpressionFunction 或 None | None（省略） | 自定义目标函数。属于 Python callable 通道，不是可执行字符串。 | 不可序列化：仅 Python callable |
add_constraints | skt.ConstraintFunction 或 None | None（省略） | 自定义约束函数。TOML/JSON 不能提供 Python callable；改用线性约束。 | 不可序列化：仅 Python callable |
overwrite_expected_return | skt.ExpressionFunction 或 None | None（省略） | 覆盖预期收益表达式的 Python callable 通道，不能在 TOML 中写字符串执行。 | 不可序列化：仅 Python callable |
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省略） | skfolio 内部失败回退设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
MaximumDiversification
**入口说明：**平台 助手的 optimizer 候选之一；参数放在 rebalance_params.optimizer_params，构造成功仍需数据/约束与单套权重输出有效。
原生类型：skfolio.optimization.MaximumDiversification。以下 35 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
prior_estimator | BasePrior 或 None | None（省略） | 提供收益均值、协方差、收益分布等估计的先验模型，通常可嵌套白名单 prior 类。 | 候选；须同时满足本类入口限制 |
min_weights | skt.MultiInput 或 None | 0.0 | 单策略权重下限，标量、数组或名称映射；原生负值能力不等于平台保留负策略系数。 | 候选；须同时满足本类入口限制 |
max_weights | skt.MultiInput 或 None | 1.0 | 单策略权重上限，标量或逐策略数组/名称映射；需满足预算可行性与最终列维度。 | 候选；须同时满足本类入口限制 |
budget | float 或 None | 1.0 | 优化权重之和的等式目标，1 表示总和为 1；平台后处理不保证原生总额保留。 | 候选；须同时满足本类入口限制 |
min_budget | float 或 None | None（省略） | 权重总和下界，省略表示不单设该边界。 | 候选；须同时满足本类入口限制 |
max_budget | float 或 None | None（省略） | 权重总和上界，省略表示不单设该边界；须与 budget 等设定一致。 | 候选；须同时 满足本类入口限制 |
max_short | float 或 None | None（省略） | 优化器中总空头敞口上限；平台会裁掉负策略系数，不保证原生多空解照原样执行。 | 候选；须同时满足本类入口限制 |
max_long | float 或 None | None（省略） | 优化器中总多头敞口上限；平台后处理与最终标的政策可能改变原生结果。 | 候选；须同时满足本类入口限制 |
cardinality | int 或 None | None（省略） | 持仓数量上限等混合整数约束；平台主动拒绝该键，即使更换求解器也不开放。 | 禁用：平台拒绝 |
group_cardinalities | dict[str, int] 或 None | None（省略） | 分组持仓数量限制；平台构造期拒绝，不能靠更换 solver 放行。 | 禁用：平台拒绝 |
threshold_long | skt.MultiInput 或 None | None（省略） | 非零多头持仓最小阈值等 MIP 能力；平台构造期拒绝。 | 禁用：平台拒绝 |
threshold_short | skt.MultiInput 或 None | None（省略） | 非零空头持仓最小阈值等 MIP 能力；平台构造期拒绝。 | 禁用：平台拒绝 |
transaction_costs | skt.MultiInput | 0.0 | 换手对应的单期交易成本系数，可统一或逐资产设置；通常依赖有效上期权重，不等于券商实际扣费。 | 候选；须同时满足本类入口限制 |
management_fees | skt.MultiInput | 0.0 | 单期持有费用，可为统一数值、数组或名称映射；须与输入收益单位一致。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
groups | skt.Groups 或 None | None（省略） | 资产到组的映射；平台通常从 rebalance_params.groups/use_groups 注入，名字与收益列须匹配。 | 平台注入通道；不要误填层级 |
linear_constraints | skt.LinearConstraints 或 None | None（省略） | 线性约束表达式列表，可引用策略或组；平台把名称失配从警告升级为错误。 | 候选；须同时满足本类入口限制 |
left_inequality | skt.Inequality 或 None | None（省略） | 矩阵约束 A×w≤b 中的 A；列顺序必须对应最终收益列。 | 候选；须同时满足本类入口限制 |
right_inequality | skt.Inequality 或 None | None（省略） | 矩阵不等式 A×w≤b 的右侧上界向量 b。 | 候选；须同时满足本类入口限制 |
l1_coef | float | 0.0 | 权重 L1 正则化系数，0 表示不额外惩罚；不是持仓数量硬约束。 | 候选；须同时满足本类入口限制 |
l2_coef | float | 0.0 | 权重 L2 正则化系数，常用于缓和集中权重，0 表示不惩罚。 | 候选；须同时满足本类入口限制 |
risk_free_rate | float | 0.0 | 输入收益同周期的无风险收益率，用于超额收益等，不会自动年化换算。 | 候选；须同时满足本类入口限制 |
min_return | skt.Target 或 None | None（省略） | 单期预期组合收益下限，通常依赖收益估计；不是实际投资收益保证。 | 候选；须同时满足本类入口限制 |
max_tracking_error | skt.Target 或 None | None（省略） | 相对目标权重的跟踪误差上限；需有效目标信息，不能用此键给 BenchmarkTracker 传基准 y。 | 候选；须同时满足本类入口限制 |
max_turnover | skt.Target 或 None | None（省略） | 平台顶层优化器通道拦截为 Σ或Δw或 总换手，需外层 previous_weights=auto；不是原生逐资产上限。 | 平台改写；仅外层 auto 配套 |
solver | str | 'CLARABEL' | 底层数值求解器名；凸优化常为 CLARABEL，EntropyPooling 等类可用不同求解工具，按本类默认值读。 | 候选；须同时满足本类入口限制 |
solver_params | dict 或 None | None（省略） | 该类求解器的附加选项对象，名称依求解器而异，不能照搬另一求解器参数。 | 候选；须同时满足本类入口限制 |
scale_objective | float 或 None | None（省略） | 求解目标的数值缩放，改善数值稳定性；不改变收益计量周期。 | 候选；须同时满足本类入口限制 |
scale_constraints | float 或 None | None（省略） | 求解约束的数值缩放，改善条件数；不 是投资资金缩放。 | 候选；须同时满足本类入口限制 |
save_problem | bool | false | 保留求解问题对象供 Python 调试；不等于平台自动生成可下载报告。 | 候选；须同时满足本类入口限制 |
add_objective | skt.ExpressionFunction 或 None | None（省略） | 自定义目标函数。属于 Python callable 通道，不是可执行字符串。 | 不可序列化：仅 Python callable |
add_constraints | skt.ConstraintFunction 或 None | None（省略） | 自定义约束函数。TOML/JSON 不能提供 Python callable；改用线性约束。 | 不可序列化：仅 Python callable |
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省略） | skfolio 内部失败回退设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
MeanRisk
**入口说明：**平台助手的 optimizer 候选之一；参数放在 rebalance_params.optimizer_params，构造成功仍需数据/约束与单套权重输出有效。
原生类型：skfolio.optimization.MeanRisk。以下 63 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
objective_function | ObjectiveFunction | MINIMIZE_RISK | MeanRisk 的目标：MINIMIZE_RISK、MAXIMIZE_RETURN、MAXIMIZE_UTILITY 或 MAXIMIZE_RATIO。 | 候选；须同时满足本类入口限制 |
risk_measure | RiskMeasure | VARIANCE | 选择风险度量；MeanRisk 等要求 RiskMeasure，HRP/HERC 还支持 ExtraRiskMeasure，具体算法支持集合仍需校验。 | 候选；须同时满足本类入口限制 |
risk_aversion | float | 1.0 | 风险厌恶强度；MeanRisk 用于效用目标，EquilibriumMu/BlackLitterman 用于均衡收益，含义依父类。 | 候选；须同时满足本类入口限制 |
efficient_frontier_size | int 或 None | None（省略） | 拟合多个有效前沿组合的数量；平台当前期待单套一维 weights_，不能直接作为多组合功能使用。 | 多解与平台单套权重契约不兼容 |
prior_estimator | BasePrior 或 None | None（省略） | 提供收益均值、协方差、收益分布等估计的先验模型，通常可嵌套白名单 prior 类。 | 候选；须同时满足本类入口限制 |
min_weights | skt.MultiInput 或 None | 0.0 | 单策略权重下限，标量、数组或名称映射；原生负值能力不等于平台保留负策略系数。 | 候选；须同时满足本类入口限制 |
max_weights | skt.MultiInput 或 None | 1.0 | 单策略权重上限，标量或逐策略数组/名称映射；需满足预算可行性与最终列维度。 | 候选；须同时满足本类入口限制 |
budget | float 或 None | 1.0 | 优化权重之和的等式目标，1 表示总和为 1；平台后处理不保证原生总额保留。 | 候选；须同时满足本类入口限制 |
min_budget | float 或 None | None（省略） | 权重总和下界，省略表示不单设该边界。 | 候选；须同时满足本类入口限制 |
max_budget | float 或 None | None（省略） | 权重总和上界，省略表示不单设该边界；须与 budget 等设定一致。 | 候选；须同时满足本类入口限制 |
max_short | float 或 None | None（省略） | 优化器中总空头敞口上限；平台会裁掉负策略系数，不保证原生多空解照原样执行。 | 候选；须同时满足本类入口限制 |
max_long | float 或 None | None（省略） | 优化器中总多头敞口上限；平台后处理与最终标的政策可能改变原生结果。 | 候选；须同时满足本类入口限制 |
cardinality | int 或 None | None（省略） | 持仓数量上限等混合整数约束；平台主动拒绝该键，即使更换求解器也不开放。 | 禁用：平台拒绝 |
group_cardinalities | dict[str, int] 或 None | None（省略） | 分组持仓数量限制；平台构造期拒绝，不能靠更换 solver 放行。 | 禁用：平台拒绝 |
threshold_long | skt.MultiInput 或 None | None（省略） | 非零多头持仓最小阈值等 MIP 能力；平台构造期拒绝。 | 禁用：平台拒绝 |
threshold_short | skt.MultiInput 或 None | None（省略） | 非零空头持仓最小阈值等 MIP 能力；平台构造期拒绝。 | 禁用：平台拒绝 |
transaction_costs | skt.MultiInput | 0.0 | 换手对应的单期交易成本系数，可统一或逐资产设置；通常依赖有效上期权重，不等于券商实际扣费。 | 候选；须同时满足本类入口限制 |
management_fees | skt.MultiInput | 0.0 | 单期持有费用，可为统一数值、数组或名称映射；须与输入收益单位一致。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
target_weights | skt.MultiInput 或 None | None（省略） | 跟踪误差等使用的参考权重，须匹配最终资产列；不是最终必须执行的目标仓位。 | 候选；须同时满足本类入口限制 |
groups | skt.Groups 或 None | None（省略） | 资产到组的映射；平台通常从 rebalance_params.groups/use_groups 注入，名字与收益列须匹配。 | 平台注入通道；不要误填层级 |
linear_constraints | skt.LinearConstraints 或 None | None（省略） | 线性约束表达式列表，可引用策略或组；平台把名称失配从警告升级为错误。 | 候选；须同时满足本类入口限制 |
left_inequality | skt.Inequality 或 None | None（省略） | 矩阵约束 A×w≤b 中的 A；列顺序必须对应最终收益列。 | 候选；须同时满足本类入口限制 |
right_inequality | skt.Inequality 或 None | None（省略） | 矩阵不等式 A×w≤b 的右侧上界向量 b。 | 候选；须同时满足本类入口限制 |
l1_coef | float | 0.0 | 权重 L1 正则化系数，0 表示不额外惩罚；不是持仓数量硬约束。 | 候选；须同时满足本类入口限制 |
l2_coef | float | 0.0 | 权重 L2 正则化系数，常用于缓和集中权重，0 表示不惩罚。 | 候选；须同时满足本类入口限制 |
mu_uncertainty_set_estimator | BaseMuUncertaintySet 或 None | None（省略） | 收益均值不确定性集合模型；对应实现模块未进平台白名单，不能直接写 class 规格。 | 底层候选：显式实现受白名单限制 |
covariance_uncertainty_set_estimator | BaseCovarianceUncertaintySet 或 None | None（省略） | 协方差不确定性集合模型；对应实现模块不在平台白名单，不能直接写 class 规格启用。 | 底层候选：显式实现受白名单限制 |
risk_free_rate | float | 0.0 | 输入收益同周期的无风险收益率，用于超额收益等，不会自动年化换算。 | 候选；须同时满足本类入口限制 |
min_return | skt.Target 或 None | None（省略） | 单期预期组合收益下限，通常依赖收益估计；不是实际投资收益保证。 | 候选；须同时满足本类入口限制 |
max_tracking_error | skt.Target 或 None | None（省略） | 相对目标权重的跟踪误差上限；需有效目标信息，不能用此键给 BenchmarkTracker 传基准 y。 | 候选；须同时满足本类入口限制 |
max_turnover | skt.Target 或 None | None（省略） | 平台顶层优化器通道拦截为 Σ或Δw或 总换手，需外层 previous_weights=auto；不是原生逐资产上限。 | 平台改写；仅外层 auto 配套 |
max_mean_absolute_deviation | skt.Target 或 None | None（省略） | 给平均绝对偏差设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
max_first_lower_partial_moment | skt.Target 或 None | None（省略） | 给一阶下偏矩设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
max_variance | skt.Target 或 None | None（省略） | 给方差（收益平方单位）设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
max_standard_deviation | skt.Target 或 None | None（省 略） | 给标准差（收益单位）设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
max_semi_variance | skt.Target 或 None | None（省略） | 给半方差（只关注下行）设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
max_semi_deviation | skt.Target 或 None | None（省略） | 给半标准差设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
max_worst_realization | skt.Target 或 None | None（省略） | 给最差单期损失设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
max_cvar | skt.Target 或 None | None（省略） | 给条件尾部损失 CVaR设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
max_evar | skt.Target 或 None | None（省略） | 给熵尾部损失 EVaR设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
max_max_drawdown | skt.Target 或 None | None（省略） | 给最大回撤设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
max_average_drawdown | skt.Target 或 None | None（ 省略） | 给平均回撤设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
max_cdar | skt.Target 或 None | None（省略） | 给条件尾部回撤 CDaR设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
max_edar | skt.Target 或 None | None（省略） | 给熵尾部回撤 EDaR设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
max_ulcer_index | skt.Target 或 None | None（省略） | 给溃疡指数（回撤平方均值的平方根）设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
max_gini_mean_difference | skt.Target 或 None | None（省略） | 给收益两两绝对差的平均量设置上限；省略则不加这条上限，单位须与输入单期收益匹配。 | 候选；须同时满足本类入口限制 |
min_acceptable_return | skt.Target 或 None | None（省略） | 下行风险计算的最低可接受收益阈值，不等于组合最低收益约束 min_return。 | 候选；须同时满足本类入口限制 |
cvar_beta | float | 0.95 | 条件尾部损失的置信水平；0.95 聚焦最差约 5% 场景，平台要求 (0,1)。 | 候选；须同时满足本类入口限制 |
evar_beta | float | 0.95 | 熵尾部损失的置信水平 ，平台要求严格在 (0,1)。 | 候选；须同时满足本类入口限制 |
cdar_beta | float | 0.95 | 条件尾部回撤的置信水平，通常 0.95；平台要求严格在 (0,1)。 | 候选；须同时满足本类入口限制 |
edar_beta | float | 0.95 | 熵尾部回撤的置信水平，平台要求严格在 (0,1)。 | 候选；须同时满足本类入口限制 |
solver | str | 'CLARABEL' | 底层数值求解器名；凸优化常为 CLARABEL，EntropyPooling 等类可用不同求解工具，按本类默认值读。 | 候选；须同时满足本类入口限制 |
solver_params | dict 或 None | None（省略） | 该类求解器的附加选项对象，名称依求解器而异，不能照搬另一求解器参数。 | 候选；须同时满足本类入口限制 |
scale_objective | float 或 None | None（省略） | 求解目标的数值缩放，改善数值稳定性；不改变收益计量周期。 | 候选；须同时满足本类入口限制 |
scale_constraints | float 或 None | None（省略） | 求解约束的数值缩放，改善条件数；不是投资资金缩放。 | 候选；须同时满足本类入口限制 |
save_problem | bool | false | 保留求解问题对象供 Python 调试；不等于平台自动生成可下载报告。 | 候选；须同时满足本类入口限制 |
add_objective | skt.ExpressionFunction 或 None | None（省略） | 自定义目标函数。属于 Python callable 通道，不是可执行字符串。 | 不可序列化：仅 Python callable |
add_constraints | skt.ConstraintFunction 或 None | None（省略） | 自定义约束函数。TOML/JSON 不能提供 Python callable；改用线性约束。 | 不可序列化：仅 Python callable |
overwrite_expected_return | skt.ExpressionFunction 或 None | None（省略） | 覆盖预期收益表达式的 Python callable 通道，不能在 TOML 中写字符串执行。 | 不可序列化：仅 Python callable |
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省略） | skfolio 内部失败回退设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
RiskBudgeting
**入口说明：**平台助手的 optimizer 候选之一；参数放在 rebalance_params.optimizer_params，构造成功仍需数据/约束与单套权重输出有效。
原生类型：skfolio.optimization.RiskBudgeting。以下 30 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
risk_measure | RiskMeasure | VARIANCE | 选择风险度量；MeanRisk 等要求 RiskMeasure，HRP/HERC 还支持 ExtraRiskMeasure，具体算法支持集合仍需校验。 | 候选；须同时满足本类入口限制 |
risk_budget | dict[str, float] 或 ArrayLike 或 None | None（省略） | 目标风险贡献比例向量或名称映射，省略通常等风险贡献；不是资金权重本身。 | 候选；须同时满足本类入口限制 |
prior_estimator | BasePrior 或 None | None（省略） | 提供收益均值、协方差、收益分布等估计的先验模型，通常可嵌套白名单 prior 类。 | 候选；须同时满足本类入口限制 |
min_weights | skt.MultiInput 或 None | 0.0 | 单策略权重下限，标量、数组或名称映射；原生负值能力不等于平台保留负策略系数。 | 候选；须同时满足本类入口限制 |
max_weights | skt.MultiInput 或 None | 1.0 | 单策略权重上限，标量或逐策略数组/名称映射；需满足预算可行性与最终列维度。 | 候选；须同时满足本类入口限制 |
transaction_costs | skt.MultiInput | 0.0 | 换手对应的单期交易成本系数，可统一或逐资产设置；通常依赖有效上期权重，不等于券商实际扣费。 | 候选；须同时满足本类入口限制 |
management_fees | skt.MultiInput | 0.0 | 单期持有费用，可为统一数值、数组或名称映射；须与输入收益单位一致。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
groups | skt.Groups 或 None | None（省略） | 资产到组的映射；平台通常从 rebalance_params.groups/use_groups 注入，名字与收益列须匹配。 | 平台注入通道；不要误填层级 |
linear_constraints | skt.LinearConstraints 或 None | None（省略） | 线性约束表达式列表，可引用策略或组；平台把名称失配从警告升级为错误。 | 候选；须同时满足本类入口限制 |
left_inequality | skt.Inequality 或 None | None（省略） | 矩阵约束 A×w≤b 中的 A；列顺序必须对应最终收益列。 | 候选；须同时满足本类入口限制 |
right_inequality | skt.Inequality 或 None | None（省略） | 矩阵不等式 A×w≤b 的右侧上界向量 b。 | 候选；须同时满足本类入口限制 |
risk_free_rate | float | 0.0 | 输入收益同周期的无风险收益率，用于超额收益等，不会自动年化换算。 | 候选；须同时满足本类入口限制 |
min_return | skt.Target 或 None | None（省略） | 单期预期组合收益下限，通常依赖收益估计；不是实际投资 收益保证。 | 候选；须同时满足本类入口限制 |
min_acceptable_return | skt.Target 或 None | None（省略） | 下行风险计算的最低可接受收益阈值，不等于组合最低收益约束 min_return。 | 候选；须同时满足本类入口限制 |
cvar_beta | float | 0.95 | 条件尾部损失的置信水平；0.95 聚焦最差约 5% 场景，平台要求 (0,1)。 | 候选；须同时满足本类入口限制 |
evar_beta | float | 0.95 | 熵尾部损失的置信水平，平台要求严格在 (0,1)。 | 候选；须同时满足本类入口限制 |
cdar_beta | float | 0.95 | 条件尾部回撤的置信水平，通常 0.95；平台要求严格在 (0,1)。 | 候选；须同时满足本类入口限制 |
edar_beta | float | 0.95 | 熵尾部回撤的置信水平，平台要求严格在 (0,1)。 | 候选；须同时满足本类入口限制 |
solver | str | 'CLARABEL' | 底层数值求解器名；凸优化常为 CLARABEL，EntropyPooling 等类可用不同求解工具，按本类默认值读。 | 候选；须同时满足本类入口限制 |
solver_params | dict 或 None | None（省略） | 该类求解器的附加选项对象，名称依求解器而异，不能照搬另一求解器参数。 | 候选；须同时满足本类入口限制 |
scale_objective | float 或 None | None（省略） | 求解目标的数值缩放，改善数值稳定性；不改变收益计量周期。 | 候选；须同时满足本类入口限制 |
scale_constraints | float 或 None | None（省略） | 求解约束的数值缩放，改善条件数；不是投资资金缩放。 | 候选；须同时满足本类入口限制 |
save_problem | bool | false | 保留求解问题对象供 Python 调试；不等于平台自动生成可下载报告。 | 候选；须同时满足本类入口限制 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
add_objective | skt.ExpressionFunction 或 None | None（省略） | 自定义目标函数。属于 Python callable 通道，不是可执行字符串。 | 不可序列化：仅 Python callable |
add_constraints | skt.ConstraintFunction 或 None | None（省略） | 自定义约束函数。TOML/JSON 不能提供 Python callable；改用线性约束。 | 不可序列化：仅 Python callable |
overwrite_expected_return | skt.ExpressionFunction 或 None | None（省略） | 覆盖预期收益表达式的 Python callable 通道，不能在 TOML 中写字符串执行。 | 不可序列化：仅 Python callable |
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省 略） | skfolio 内部失败回退设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
StackingOptimization
入口说明： 底层模型堆叠优化器，动态白名单能解析，但不在平台助手的 12 个优化器配置候选中。
原生类型：skfolio.optimization.StackingOptimization。以下 11 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
estimators | list[tuple[str, BaseOptimization]] | 必填 | 具名子模型列表：StackingOptimization 接受优化器，OpinionPooling 接受先验模型；须符合所属类类型。 | 候选；须同时满足本类入口限制 |
final_estimator | BaseOptimization 或 None | None（省略） | 堆叠多个基模型输出后的最终优化器；仅底层堆叠接口候选。 | 候选；须同时满足本类入口限制 |
cv | sks.BaseCrossValidator 或 BaseCombinatorialCV 或 str 或 int 或 None | None（省略） | 该类内部的交叉验证配置；与平台外层 search.cv 不是同一个位置，需单独保证时序因果性。 | 候选；须同时满足本类入口限制 |
quantile | float | 0.5 | NCO/堆叠内部多路径预测的选择分位，通常在 0 到 1 内；不是 CVaR 的 beta。 | 候选；须同时满足本类入口限制 |
quantile_measure | skt.Measure | SHARPE_RATIO | 按哪个指标挑选分位路径，如 SHARPE_RATIO；须精确枚举名。 | 候选；须同时满足本类入口限制 |
n_jobs | int 或 None | None（省略） | 并行任务数；负值的具体语义遵循 joblib/sklearn，过大可能增加内存负担。 | 候选；须同时满足本类入口限制 |
verbose | int | 0 | 原生类的日志详细程度；不是平台外层 search 已暴露的任意键。 | 候选；须同时满足本类入口限制 |
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省略） | skfolio 内部失败回退设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
HierarchicalEqualRiskContribution
**入口说明：**平台助手的 optimizer 候选之一；参数放在 rebalance_params.optimizer_params，构造成功仍需数据/约束与单套权重输出有效。
原生类型：skfolio.optimization.HierarchicalEqualRiskContribution。以下 14 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
risk_measure | RiskMeasure 或 ExtraRiskMeasure | VARIANCE | 选择风险度量；MeanRisk 等要求 RiskMeasure，HRP/HERC 还支持 ExtraRiskMeasure，具体算法支持集合仍需校验。 | 候选；须同时满足本类入口限制 |
prior_estimator | BasePrior 或 None | None（省略） | 提供收益均值、协方差、收益分布等估计的先验模型，通常可嵌套白名单 prior 类。 | 候选；须同时满足本类入口限制 |
distance_estimator | BaseDistance 或 None | None（省略） | 把收益或相关性转成距离的模型；常见 skfolio.distance 实现不在平台类白名单。 | 底层候选：显式实现受白名单限制 |
hierarchical_clustering_estimator | HierarchicalClustering 或 None | None（省略） | 层次聚类实现；skfolio.cluster 不在平台类白名单，默认模型可用不等于自定义 class 已开放。 | 底层候选：显式实现受白名单限制 |
min_weights | skt.MultiInput 或 None | 0.0 | 单策略权重下限，标量、数组或名称映射；原生负值能力不等于平台保留负策略系数。 | 候选；须同时满足本类入口限制 |
max_weights | skt.MultiInput 或 None | 1.0 | 单策略权重上限，标量或逐策略数组/名称映射；需满足预算可行性与最终列维度。 | 候选；须同时满足本类入口限制 |
solver | str | 'CLARABEL' | 底层数值求解器名；凸优化常为 CLARABEL，EntropyPooling 等类可用不同求解工具，按本类默认值读。 | 候选；须同时满足本类入口限制 |
solver_params | dict 或 None | None（省略） | 该类求解器的附加选项对象，名称依求解器而异，不能照搬另一求解器参数。 | 候选；须同时满足本类入口限制 |
transaction_costs | skt.MultiInput | 0.0 | 换手对应的单期交易成本系数，可统一或逐资产设置；通常依赖有效上期权重，不等于券商实际扣费。 | 候选；须同时满足本类入口限制 |
management_fees | skt.MultiInput | 0.0 | 单期持有费用，可为统一数值、数组或名称映射；须与输入收益单位一致。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省略） | skfolio 内部失败回退设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
HierarchicalRiskParity
**入口说明：**平台助手的 optimizer 候选之一；参数放在 rebalance_params.optimizer_params，构造成功仍需数据/约束与单套权重输出有效。
原生类型：skfolio.optimization.HierarchicalRiskParity。以下 14 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
risk_measure | RiskMeasure 或 ExtraRiskMeasure | VARIANCE | 选择风险度量；MeanRisk 等要求 RiskMeasure，HRP/HERC 还支持 ExtraRiskMeasure，具体算法支持集合仍需校验。 | 候选；须同时满足本类入口限制 |
prior_estimator | BasePrior 或 None | None（省略） | 提 供收益均值、协方差、收益分布等估计的先验模型，通常可嵌套白名单 prior 类。 | 候选；须同时满足本类入口限制 |
distance_estimator | BaseDistance 或 None | None（省略） | 把收益或相关性转成距离的模型；常见 skfolio.distance 实现不在平台类白名单。 | 底层候选：显式实现受白名单限制 |
hierarchical_clustering_estimator | HierarchicalClustering 或 None | None（省略） | 层次聚类实现；skfolio.cluster 不在平台类白名单，默认模型可用不等于自定义 class 已开放。 | 底层候选：显式实现受白名单限制 |
min_weights | skt.MultiInput 或 None | 0.0 | 单策略权重下限，标量、数组或名称映射；原生负值能力不等于平台保留负策略系数。 | 候选；须同时满足本类入口限制 |
max_weights | skt.MultiInput 或 None | 1.0 | 单策略权重上限，标量或逐策略数组/名称映射；需满足预算可行性与最终列维度。 | 候选；须同时满足本类入口限制 |
transaction_costs | skt.MultiInput | 0.0 | 换手对应的单期交易成本系数，可统一或逐资产设置；通常依赖有效上期权重，不等于券商实际扣费。 | 候选；须同时满足本类入口限制 |
management_fees | skt.MultiInput | 0.0 | 单期持有费用，可为统一数值、数组或名称映射；须与输入收益单位一致。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略 ） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省略） | skfolio 内部失败回退设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
seriation_estimator | BaseSeriation 或 None | None（省略） | 分层聚类后的排序模型；常见 skfolio.seriation 实现不在平台类白名单。 | 底层候选：显式实现受白名单限制 |
distance_from_prior | bool | true | 分层方法是否优先从先验风险估计得到距离，影响聚类依据。 | 候选；须同时满足本类入口限制 |
NestedClustersOptimization
**入口说明：**平台助手的 optimizer 候选之一；参数放在 rebalance_params.optimizer_params，构造成功仍需数据/约束与单套权重输出有效。
原生类型：skfolio.optimization.NestedClustersOptimization。以下 13 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
inner_estimator | BaseOptimization 或 None | None（省略） | NCO 簇内优化器，可嵌套 MeanRisk 等白名单模型。 | 候选；须同时满足本类入口限制 |
outer_estimator | BaseOptimization 或 None | None（省略） | NCO 在簇间分配的外层优化器，可嵌套白名单模型。 | 候选；须同时满足本类入口限制 |
distance_estimator | BaseDistance 或 None | None（省略） | 把收益或相关性转成距离的模型；常见 skfolio.distance 实现不在平台类白名单。 | 底层候选：显式实现受白名单限制 |
clustering_estimator | skb.BaseEstimator 或 None | None（省略） | NCO 的聚类器；只能使用可解析且满足父类契约的对象，常见 cluster 模块不在平台类白名单。 | 候选；须同时满足本类入口限制 |
cv | sks.BaseCrossValidator 或 BaseCombinatorialCV 或 str 或 int 或 None | None（省略） | 该类内部的交叉验证配置；与平台外层 search.cv 不是同一个位置，需单独保证时序因果性。 | 候选；须同时满足本类入口限制 |
quantile | float | 0.5 | NCO/堆叠内部多路径预测的选择分位，通常在 0 到 1 内；不是 CVaR 的 beta。 | 候选；须同时满足本类入口限制 |
quantile_measure | skt.Measure | SHARPE_RATIO | 按哪个指标挑选分位路径，如 SHARPE_RATIO；须精确枚举名。 | 候选；须同时满足本类入口限制 |
n_jobs | int 或 None | None（省略） | 并行任务数；负值的具体语义遵循 joblib/sklearn，过大可能增加内存负担。 | 候选；须同时满足本类入口限制 |
verbose | int | 0 | 原生类的日志详细程度；不是平台外层 search 已暴露的任意键。 | 候选；须同时满足本类入口限制 |
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省略） | skfolio 内部失败回退设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
SchurComplementary
**入口说明：**平台助手的 optimizer 候选之一；参数放在 rebalance_params.optimizer_params，构造成功仍需数据/约束与单套权重输出有效。
原生类型：skfolio.optimization.SchurComplementary。以下 15 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
gamma | float | 0.5 | Schur 补调整强度；控制保留多少跨簇协方差信息，不是通用风险厌恶系数。 | 候选；须同时满足本类入口限制 |
keep_monotonic | bool | true | Schur 调整中是否保持算法要求的单调结构。 | 候选；须同时满足本类入口限制 |
prior_estimator | BasePrior 或 None | None（省略） | 提供收益均值、协方差、收益分布等估计的先验模型，通常可嵌套白名单 prior 类。 | 候选；须同时满足本类入口限制 |
distance_estimator | BaseDistance 或 None | None（省略） | 把收益或相关性转成距离的模型；常见 skfolio.distance 实现不在平台类白名单。 | 底层候选：显式实现受白名单限制 |
hierarchical_clustering_estimator | HierarchicalClustering 或 None | None（省略） | 层次聚类实现；skfolio.cluster 不在平台类白名单，默认模型可用不等于自定义 class 已开放。 | 底层候选：显式实现受白名单限制 |
min_weights | skt.MultiInput 或 None | 0.0 | 单策略权重下限，标量、数组或名称映射；原生负值能力不等于平台保留负策略系数。 | 候选；须同时满足本类入口限制 |
max_weights | skt.MultiInput 或 None | 1.0 | 单策略权重上限，标量或逐策略数组/名称映射；需满足预算可行性与最终列维度。 | 候选；须同时满足本类入口限制 |
transaction_costs | skt.MultiInput | 0.0 | 换手对应的单期交易成本系数，可统一或逐资产设置；通常依赖有效上期权重，不等于券商实际扣费。 | 候选；须同时满足本类入口限制 |
management_fees | skt.MultiInput | 0.0 | 单期持有费用，可为统一数值、数组或名称映射；须与输入收益单位一致。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省略） | skfolio 内部失败回退设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
seriation_estimator | BaseSeriation 或 None | None（省略） | 分层聚类后的排序模型；常见 skfolio.seriation 实现不在平台类白名单。 | 底层候选：显式实现受白名单限制 |
distance_from_prior | bool | true | 分层方法是否优先从先验风险估计得到距离，影响聚类依据。 | 候选；须同时满足本类入口限制 |
EqualWeighted
**入口说明：**平台助手的 optimizer 候选之一；参数放在 rebalance_params.optimizer_params，构造成功仍需数据/约束与单套权重输出有效。
原生类型：skfolio.optimization.EqualWeighted。以下 4 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省略） | skfolio 内部失败回退设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
InverseVolatility
**入口说明：**平台助手的 optimizer 候选之一；参数放在 rebalance_params.optimizer_params，构造成功仍需数据/约束与单套权重输出有效。
原生类型：skfolio.optimization.InverseVolatility。以下 5 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
prior_estimator | BasePrior 或 None | None（省略） | 提供收益均值、协方差、收益分布等估计的先验模型，通常可嵌套白名单 prior 类。 | 候选；须同时满足本类入口限制 |
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省略） | skfolio 内部失败回退 设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
Random
**入口说明：**平台助手的 optimizer 候选之一；参数放在 rebalance_params.optimizer_params，构造成功仍需数据/约束与单套权重输出有效。
原生类型：skfolio.optimization.Random。以下 4 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
fallback | skt.Fallback | None（省略） | skfolio 内部失败回退设置；与平台的 fallback_method 是两层不同机制，须防止内部回退掩盖失败。 | 候选；须同时满足本类入口限制 |
previous_weights | skt.MultiInput 或 None | None（省略） | 原生上期权重；平台应在外层写 auto 由引擎漂移注入，不要误填为字符串到此数组参数。 | 平台注入通道；不要误填层级 |
raise_on_failure | bool | true | 底层求解失败是否抛异常；false 可能转底层回退，不能保证触发平台的 fallback_method。 | 候选；须同时满足本类入口限制 |
prior 模块
BasePrior
入口说明： 底层公共基类，不作为普通用户可执行算法推荐；有构造参数不等于能独立 fit 并输出权重。
原生类型：skfolio.prior.BasePrior。以下 0 项是该类 1.8.0 的全部构造参数。
该类构造函数没有可配置参数。基类/变换器仍受上述入口限制。
BlackLitterman
入口说明： 把收益先验与用户观点融合；观点引用的资产或组必须能与数据匹配。
原生类型：skfolio.prior.BlackLitterman。以下 6 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
views | ArrayLike | 必填 | BlackLitterman 收益观点表达式列表，例如相对或绝对收益观点。 | 候选；须同时满足本类入口限制 |
groups | dict[str, list[str]] 或 ArrayLike 或 None | None（省略） | 资产到组的映射；平台通常从 rebalance_params.groups/use_groups 注入，名字与收益列须匹配。 | 平台注入通道；不要误填层级 |
prior_estimator | BasePrior 或 None | None（省略） | 提供收益均值、协方差、收益分布等估计的先验模型，通常可嵌套白名单 prior 类。 | 候选；须同时满足本类入口限制 |
tau | float | 0.05 | BlackLitterman 先验均值不确定性的缩放系数，影响先验与观点相对权重。 | 候选；须同时满足本类入口限制 |
view_confidences | ArrayLike 或 None | None（省略） | BlackLitterman 各条观点的置信度数组，顺序对应 views。 | 候选；须同时满足本类入口限制 |
risk_free_rate | float | 0 | 输入收益同周期的无风险收益率，用于超额收益等，不会自动年化换算。 | 候选；须同时满足本类入口限制 |
CharacteristicsFactorModel
入口说明： 横截面特征因子模型；暴露模型、回归器等所需模块和数据未在平台普通配置路径全面接入，仅作底层候选。
原生类型：skfolio.prior.CharacteristicsFactorModel。以下 20 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
factors | list[tuple[str, BaseFactorExposure]] | 必填 | 具名特征因子暴露模型列表；相关暴露实现不在当前平台白名单范围。 | 候选；须同时满足本类入口限制 |
currency_factor | BaseFactorExposure 或 None | None（省略） | 货币因子暴露模型，需额外资产货币等数据，不是一个货币代码字符串即可工作。 | 候选；须同时满足本类入口限制 |
exposure_lag | int | 1 | 资产特征暴露滞后的期数，防止用未来可知的暴露解释过去收益。 | 候选；须同时满足本类入口限制 |
cs_regressor | BaseCSLinearModel 或 None | None（省略） | 横截面回归模型，用资产特征估因子收益；相关实现与附加数据不属于当前已接入的普通配置。 | 候选；须同时满足本类入口限制 |
neutralize_against | dict[str, list[str]] 或 None | None（省略） | 特征暴露对指定因子族做中性化的映射；需要完整特征数据。 | 候选；须同时满足本类入口限制 |
constrained_families | list[tuple[str, str 或 None]] 或 None | None（省略） | 指定受约束的特征因子族及参考项；需要特征因子模型完整数据入口。 | 候选；须同时满足本类入口 限制 |
benchmark_mcap_power | float | 1.0 | 构造特征因子基准时市值权重的幂次；需要市值等附加数据。 | 候选；须同时满足本类入口限制 |
regression_mcap_power | float | 0.5 | 横截面因子回归中市值权重的幂次。 | 候选；须同时满足本类入口限制 |
inv_idio_variance_weight_shrinkage | float | 0.0 | 逆特有方差回归权重的收缩强度，用于稳定横截面回归。 | 候选；须同时满足本类入口限制 |
inv_idio_variance_max_weight_ratio | float | 20.0 | 特征回归逆特有方差加权的最大权重比，用于抑制极端权重。 | 候选；须同时满足本类入口限制 |
factor_prior_estimator | BasePrior 或 None | None（省略） | 对因子收益建立先验的模型；仅有 class 规格不能替代缺失的因子收益数据。 | 候选；须同时满足本类入口限制 |
alpha_estimator | BaseAlpha 或 None | None（省略） | 估计因子未解释的超额收益；需要对应因子数据和估计器，平台未接入该完整数据路径。 | 候选；须同时满足本类入口限制 |
spanned_alpha_shrinkage | float | 1.0 | 对因子可解释部分 alpha 的收缩强度。 | 候选；须同时满足本类入口限制 |
orthogonal_alpha_confidence | float | 1.0 | 对因子空间外正交超额收益的信心强度，需要 alpha 估计与因子模型。 | 候选；须同时满足本类入口限制 |
idio_variance_estimator | BaseVariance 或 None | None（省略） | 特有收益方差估计器，可选 moments 方差模型，但需完整父模型数据路径。 | 候选；须同时满足本类入口限制 |
idio_corr_estimator | BaseCovariance 或 None | None（省略） | 估计因子未解释的特有收益相关性，需完整因子模型数据。 | 候选；须同时满足本类入口限制 |
idio_corr_threshold | float | 0.0 | 特有收益相关性阈值，用于因子模型保留或处理相关结构。 | 候选；须同时满足本类入口限制 |
max_history | int 或 None | None（省略） | 特征因子估计保留的最大历史观测数，不等于平台的自然日 lookback_days。 | 候选；须同时满足本类入口限制 |
min_regression_assets | int 或 None | None（省略） | 横截面因子回归要求的最少可用资产数。 | 候选；须同时满足本类入口限制 |
n_jobs | int | 1 | 并行任务数；负值的具体语义遵循 joblib/sklearn，过大可能增加内存负担。 | 候选；须同时满足本类入口限制 |
EmpiricalPrior
入口说明： 由均值与协方差估计器构造收益先验；常用可嵌套入口。
原生类型：skfolio.prior.EmpiricalPrior。以下 5 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
mu_estimator | BaseMu 或 None | None（省略） | 估计预期收益的模型，例如 EmpiricalMu、EWMu、ShrunkMu。 | 候选；须同时满足本类入口限制 |
covariance_estimator | BaseCovariance 或 None | None（省略） | 估计资产风险及共同波动的模型，可嵌套白名单 moments 类规格。 | 候选；须同时满足本类入口限制 |
is_log_normal | bool | false | 是否按对数正态方法把估计量转换到投资期；不是平台收益序列格式开关。 | 候选；须同时满足本类入口限制 |
investment_horizon | float 或 None | None（省略） | 对数正态先验换算的投资期长度；与收益频率一致，某些先验配置需要显式给定。 | 候选；须同时满足本类入口限制 |
max_history | int 或 None | None（省略） | 仅截断收益场景缓冲，不限制均值或协方差估计样本；矩估计窗口须分别设置 mu_estimator / covariance_estimator 的 window_size。不是平台自然日 lookback_days。 | 候选；须同时满足本类入口限制 |
EntropyPooling
入口说明： 调整历史场景概率，让收益、波动或尾部观点尽量成立；不是直接修改真实历史。
原生类型：skfolio.prior.EntropyPooling。以下 13 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
prior_estimator | BasePrior 或 None | None（省略） | 提供收益均值、协方差、收益分布等估计的先验模型，通常可嵌套白名单 prior 类。 | 候选；须同时满足本类入口限制 |
mean_views | list[str] 或 None | None（省略） | 对预期收益的观点表达式列表，影响熵池化场景权重。 | 候选；须同时满足本类入口限制 |
variance_views | list[str] 或 None | None（省略） | 对方差的观点约束表达式，单位是收益的平方。 | 候选；须同时满足本类入口限制 |
correlation_views | list[str] 或 None | None（省略） | 对资产或分组相关性的观点表达式，影响熵池化后的场景概率。 | 候选；须同时满足本类入口限制 |
skew_views | list[str] 或 None | None（省略） | 对偏度的观点表达式，影响熵池化的场景概率。 | 候选；须同时满足本类入口限制 |
kurtosis_views | list[str] 或 None | None（省略） | 对峰度的观点表达式，影响场景概率而非直接持仓数量。 | 候选；须同时满足本类入口限制 |
value_at_risk_views | list[str] 或 None | None（省略） | 对 VaR 的观点约束表达式。 | 候选；须同时满足本类入口限制 |
cvar_views | list[str] 或 None | None（省略） | 对 CVaR 的观点约束表达式；尺度须与场景收益一致。 | 候选；须同时满足本类入口限制 |
value_at_risk_beta | float | 0.95 | VaR 观点的置信水平，通常取 (0,1) 内数值。 | 候选；须同时满足本类入口限制 |
cvar_beta | float | 0.95 | 条件尾部损失的置信水平；0.95 聚焦最差约 5% 场景，平台要求 (0,1)。 | 候选；须同时满足本类入口限制 |
groups | skt.Groups 或 None | None（省略） | 资产到组的映射；平台通常从 rebalance_params.groups/use_groups 注入，名字与收益列须匹配。 | 平台注入通道；不要误填层级 |
solver | str | 'TNC' | 底层数值求解器名；凸优化常为 CLARABEL，EntropyPooling 等类可用不同求解工具，按本类默认值读。 | 候选；须同时满足本类入口限制 |
solver_params | dict 或 None | None（省略） | 该类求解器的附加选项对象，名称依求解器而异，不能照搬另一求解器参数。 | 候选；须同时满足本类入口限制 |
CovarianceSqrt
入口说明： 协方差平方根的结构化数据容器，不是可以单独 fit 并输出策略权重的优化器。
原生类型：skfolio.prior.CovarianceSqrt。以下 2 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
components | tuple[FloatArray, ...] | () | 协方差分解对象的组成项；这是数据容器接口，不是普通调仓参数。 | 候选；须同时满足本类入口限制 |
diagonal | FloatArray 或 None | None（省略） | 协方差分解对象的对角部分；是数组数据，不是开启对角估计的通用开关。 | 候选；须同时满足本类入口限制 |
FactorModel
入口说明： 1.8.0 中是因子模型结果的数据容器，没有 fit；不要沿用旧版本把它当作可训练先验估计器。
原生类型：skfolio.prior.FactorModel。以下 17 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
observations | StrArray | 必填 | 观测标识或数据数组，依所属数据容器的类型；不是平台可以单独上传的参数入口。 | 候选；须同时满足本类入口限制 |
asset_names | StrArray | 必填 | 数据对象中资产名称；在平台优化输入中资产实际是策略列，顺序必须一致。 | 候选；须同时满足本类入口限制 |
factor_names | StrArray | 必填 | 因子名称数组，顺序必须与因子向量及矩阵一致。 | 候选；须同时满足本类入口限制 |
factor_families | StrArray 或 None | 必填 | 给因子指定族标签，供因子模型结构处理使用。 | 候选；须同时满足本类入口限制 |
loading_matrix | FloatArray | 必填 | 资产对因子的载荷矩阵数据；不是估计器规格。 | 候选；须同时满足本类入口限制 |
exposures | FloatArray 或 None | 必填 | 因子暴露数据矩阵；需与资产、因子及时间定义对齐。 | 候选；须同时满足本类入口限制 |
factor_covariance | FloatArray | 必填 | 因子收益的协方差矩阵，属于分布对象输入。 | 候选；须同时满足本类入口限制 |
factor_mu | FloatArray | 必填 | 因子预期收益向量，单位须与输入收益周期一致。 | 候选；须同时满足本类入口限制 |
factor_returns | FloatArray 或 None | 必填 | 因子收益样本矩阵；平台当前 fit(X) 路径没有单独提供此数据入口。 | 候选；须同时满足本类入口限制 |
idio_covariance | FloatArray | 必填 | 特有收益的协方差矩阵数据，属于因子分布对象。 | 候选；须同时满足本类入口限制 |
idio_mu | FloatArray 或 None | 必填 | 因子未解释的特有预期收益向量。 | 候选；须同时满足本类 入口限制 |
idio_returns | FloatArray 或 None | 必填 | 因子未解释的特有收益样本矩阵。 | 候选；须同时满足本类入口限制 |
idio_variances | FloatArray 或 None | 必填 | 特有收益方差向量，非估计器名称。 | 候选；须同时满足本类入口限制 |
exposure_lag | int | 1 | 资产特征暴露滞后的期数，防止用未来可知的暴露解释过去收益。 | 候选；须同时满足本类入口限制 |
regression_weights | FloatArray 或 None | None（省略） | 分布对象记录的回归权重数据，不是平台外层策略权重。 | 候选；须同时满足本类入口限制 |
benchmark_weights | FloatArray 或 None | None（省略） | 评估对象中的基准组合权重，须匹配对应资产；不是 BenchmarkTracker 的基准收益 y 入口。 | 候选；须同时满足本类入口限制 |
family_constraint_basis | FamilyConstraintBasis 或 None | None（省略） | 因子族约束所用的基矩阵，属于底层分布/因子数据接口。 | 候选；须同时满足本类入口限制 |
ReturnDistribution
入口说明： 收益分布数据容器，记录估计值及样本；不是配置中可替代先验估计器的普通模型。
原生类型：skfolio.prior.ReturnDistribution。以下 5 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
mu | FloatArray | 必填 | 预期收益向量数据；这是分布对象输入，不是任意优化器可用的通用参数。 | 候选；须同时满足本类入口限制 |
covariance | FloatArray | 必填 | 资产协方差矩阵数据；维度和顺序必须对应资产，不是模型类规格。 | 候选；须同时满足本类入口限制 |
returns | FloatArray | 必填 | 收益样本矩阵数据；平台实际由历史数据切片提供，不在 optimizer_params 手写收益表。 | 候选；须同时满足本类入口限制 |
sample_weight | FloatArray 或 None | None（省略） | 场景或样本的权重数据，长度须匹配观测数。 | 候选；须同时满足本类入口限制 |
factor_model | FactorModel 或 None | None（省略） | 分布数据对象关联的因子模型信息；不是平台顶层开关。 | 候选；须同时满足本类入口限制 |
OpinionPooling
入口说明： 合成多组场景观点/概率；权重和概率数组需匹配，不能将单纯类名当成已接入的数据来源。
原生类型：skfolio.prior.OpinionPooling。以下 6 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
estimators | list[tuple[str, BasePrior]] | 必填 | 具名子模型列表：StackingOptimization 接受优化器，OpinionPooling 接受先验模型；须符合所属类类型。 | 候选；须同时满足本类入口限制 |
opinion_probabilities | list[float] 或 None | None（省略） | 分配给各观点模型的概率权重列表；长度对应 estimators，不是逐历史场景的概率数组。 | 候选；须同时满足本类入口限制 |
prior_estimator | BasePrior 或 None | None（省略） | 提供收益均值、协方差、收益分布等估计的先验模型，通常可嵌套白名单 prior 类。 | 候选；须同时满足本类入口限制 |
is_linear_pooling | bool | true | 观点池化是否使用线性合成；false 采用该类的非线性/对数合成方式。 | 候选；须同时满足本类入口限制 |
divergence_penalty | float | 0.0 | OpinionPooling 中偏离观点共识的散度惩罚；越高越降低离群观点的权重。 | 候选；须同时满足本类入口限制 |
n_jobs | int 或 None | None（省略） | 并行任务数；负值的具体语义遵循 joblib/sklearn，过大可能增加内存负担。 | 候选；须同时满足本类入口限制 |
SyntheticData
入口说明： 根据分布估计生成样本；显式分布模型受平台白名单限制，合成样本不是新的样本外事实。
原生类型：skfolio.prior.SyntheticData。以下 3 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
distribution_estimator | skb.BaseEstimator 或 None | None（省略） | 用于合成样本的分布估计模型；常见分布实现模块不在平台类白名单，不能据签名假定可显式配置。 | 候选；须同时满足本类入口限制 |
n_samples | int | 1000 | 合成收益样本数量；合成数据不是额外真实历史，不可用于宣称样本外验证。 | 候选；须同时满足本类入口限制 |
sample_args | dict 或 None | None（省略） | 合成分布采样的附加参数对象；受底层分布接口限制，不能当成任意 Python 执行通道。 | 候选；须同时满足本类入口限制 |
BaseLoadingMatrix
入口说明： 底层公共基类，不作为普通用户可执行算法推荐；有构造参数不等于能独立 fit 并输出权重。
原生类型：skfolio.prior.BaseLoadingMatrix。以下 0 项是该类 1.8.0 的全部构造参数。
该类构造函数没有可配置参数。基类/变换器仍受上述入口限制。
LoadingMatrixRegression
入口说明： 用回归估计资产对因子的载荷；需因子数据，且自定义 sklearn.linear_model 类不在平台白名单。
原生类型：skfolio.prior.LoadingMatrixRegression。以下 2 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
linear_regressor | skb.BaseEstimator 或 None | None（省略） | 因子载荷或隐含波动校准用的回归器；sklearn.linear_model 不在平台类白名单，省略使用底层默认仍需父模型所需数据。 | 候选；须同时满足本类入口限制 |
n_jobs | int 或 None | None（省略） | 并行任务数；负值的具体语义遵循 joblib/sklearn，过大可能增加内存负担。 | 候选；须同时满足本类入口限制 |
TimeSeriesFactorModel
入口说明： 资产收益对因子收益回归的模型；fit 需要关键字 factors，平台当前 fit(X) 不提供该附加数据。
原生类型：skfolio.prior.TimeSeriesFactorModel。以下 5 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
loading_matrix_estimator | BaseLoadingMatrix 或 None | None（省略） | 估计因子载荷的模型；需要资产和因子收益两类数据。 | 候选；须同时满足本类入口限制 |
factor_prior_estimator | BasePrior 或 None | None（省略） | 对因子收益建立先验的模型；仅有 class 规格不能替代缺失的因子收益数据。 | 候选；须同时满足本类入口限制 |
factor_families | ArrayLike 或 None | None（省略） | 给因子指定族标签，供因子模型结构处理使用。 | 候选；须同时满足本类入口限制 |
higham | bool | false | 是否使用 Higham 方法修复协方差矩阵，使其满足半正定等数值要求。 | 候选；须同时满足本类入口限制 |
max_iteration | int | 100 | 因子模型数值修复等内部迭代上限，具体应用依所选类。 | 候选；须同时满足本类入口限制 |
moments 模块
OAS
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.OAS。以下 5 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
store_precision | bool | true | 是否保存逆协方差/精度矩阵供后续查询。 | 候选；须同时满足本类入口限制 |
assume_centered | bool | false | 是否假定数据已围绕零中心化；true 时不再按普通样本均值去中心。 | 候选；须同时满足本类入口限制 |
nearest | bool | true | 是否把估计协方差修复为最近的有效半正定矩阵。 | 候选；须同时满足本类入口限制 |
higham | bool | false | 是否使用 Higham 方法修复协方差矩阵，使其满足半正定等数值要求。 | 候选；须同时满足本类入口限制 |
higham_max_iteration | int | 100 | Higham 数值修复最多迭代次数，越大可能计算越久。 | 候选；须同时满足本类入口限制 |
BaseCovariance
入口说明： 底层公共基类，不作为普通用户可执行算法推荐；有构造参数不等于能独立 fit 并输出权重。
原生类型：skfolio.moments.BaseCovariance。以下 4 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
assume_centered | bool | false | 是否假定数据已围绕零中心化；true 时不再按普通样本均值去中心。 | 候选；须同时满足本类入口限制 |
nearest | bool | true | 是否把估计协方差修复为最近的有效半正定矩阵。 | 候选；须同时满足本类入口限制 |
higham | bool | false | 是否使用 Higham 方法修复协方差矩阵，使其满足半正定等数值要求。 | 候选；须同时满足本类入口限制 |
higham_max_iteration | int | 100 | Higham 数值修复最多迭代次数，越大可能计算越久。 | 候选；须同时满足本类入口限制 |
DenoiseCovariance
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.DenoiseCovariance。以下 4 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
covariance_estimator | BaseCovariance 或 None | None（省略） | 估计资产风险及共同波动的模型，可嵌套白名单 moments 类规格。 | 候选；须同时满足本类入口限制 |
nearest | bool | true | 是否把估计协方差修复为最近的有效半正定矩阵。 | 候选；须同时满足本类入口限制 |
higham | bool | false | 是否使用 Higham 方法修复协方差矩阵，使其满足半正定等数值要求。 | 候选；须同时满足本类入口限制 |
higham_max_iteration | int | 100 | Higham 数值修复最多迭代次数，越大可能计算越久。 | 候选；须同时满足本类入口限制 |
DetoneCovariance
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.DetoneCovariance。以下 5 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
covariance_estimator | BaseCovariance 或 None | None（省略） | 估计资产风险及共同波动的模型，可嵌套白名单 moments 类规格。 | 候选；须同时满足本类入口限制 |
n_markets | float | 1 | DetoneCovariance 移除的主要市场成分数，用于降低共同市场噪声影响。 | 候选；须同时满足本类入口限制 |
nearest | bool | true | 是否把估计协方 差修复为最近的有效半正定矩阵。 | 候选；须同时满足本类入口限制 |
higham | bool | false | 是否使用 Higham 方法修复协方差矩阵，使其满足半正定等数值要求。 | 候选；须同时满足本类入口限制 |
higham_max_iteration | int | 100 | Higham 数值修复最多迭代次数，越大可能计算越久。 | 候选；须同时满足本类入口限制 |
EWCovariance
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.EWCovariance。以下 7 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
half_life | float | 40 | 指数加权半衰期，单位为观测数；越短越重视近期样本。 | 候选；须同时满足本类入口限制 |
assume_centered | bool | true | 是否假定数据已围绕零中心化；true 时不再按普通样本均值去中心。 | 候选；须同时满足本类入口限制 |
min_observations | int 或 None | None（省略） | 该估计器计算所需最少有效观测数；与平台调仓外层默认 60 不是同一字段。 | 候选；须同时满足本类入口限制 |
window_size | int 或 None | None（省略） | 底层估计使用的最近观测数量，省略通常使用传入数据；与平台自然日 lookback_days 独立。 | 候选；须同时满足本类入口限制 |
nearest | bool | true | 是否把估计协方差修复为最近的有效半正定矩阵。 | 候选；须同时满足本类入口限制 |
higham | bool | false | 是否使用 Higham 方法修复协方差矩阵，使其满足半正定等数值要求。 | 候选；须同时满足本类入口限制 |
higham_max_iteration | int | 100 | Higham 数值修复最多迭代次数，越大可能计算越久。 | 候选；须同时满足本类入口限制 |
EmpiricalCovariance
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.EmpiricalCovariance。以下 6 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
window_size | int 或 None | None（省略） | 底层估计使用的最近观测数量，省略通常使用传入数据；与平台自然日 lookback_days 独立。 | 候选；须同时满足本类入口限制 |
ddof | int | 1 | 样本方差分母的自由度扣减，例如 1 对应除以 n−1。 | 候选；须同时满足本类入口限制 |
assume_centered | bool | false | 是否假定数据已围绕零中心化；true 时不再按普通样本均值去中心。 | 候选；须同时满足本类入口限制 |
nearest | bool | true | 是否把估计协方差修复为最近的有效半正定矩阵。 | 候选；须同时满足本类入口限制 |
higham | bool | false | 是否使用 Higham 方法修复协方差矩阵，使其满足半正定等数值要求。 | 候选；须同时满足本类入口限制 |
higham_max_iteration | int | 100 | Higham 数值修复最多迭代次数，越大可能计算越久。 | 候选；须同时满足本类入口限制 |
GeodesicShrinkageCovariance
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.GeodesicShrinkageCovariance。以下 6 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
covariance_estimator | BaseCovariance 或 None | None（省略） | 估计资产风险及共同波动的模型，可嵌套白名单 moments 类规格。 | 候选；须同时满足本类入口限制 |
shrinkage | float | 0.1 | 协方差向结构化目标收缩的强度，常见范围 [0,1]。 | 候选；须同时满足本类入口限制 |
target | GeodesicShrinkageTarget 或 ArrayLike | SCALED_IDENTITY | 测地线协方差收缩目标：SCALED_IDENTITY、DIAGONAL 或指定目标矩阵；也接受对应小写字符串。 | 候选；须同时满足本类入口限制 |
nearest | bool | true | 是否把估计协方差修复为最近的有效半正定矩阵。 | 候选；须同时满足本类入口限制 |
higham | bool | false | 是否使用 Higham 方法修复协方差矩阵，使其满足半正定等数值要求。 | 候选；须同时满足本类入口限制 |
higham_max_iteration | int | 100 | Higham 数值修复最多迭代次数，越大可能计算越久。 | 候选；须同时满足本类入口限制 |
GerberCovariance
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.GerberCovariance。以下 6 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生 类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
window_size | int 或 None | None（省略） | 底层估计使用的最近观测数量，省略通常使用传入数据；与平台自然日 lookback_days 独立。 | 候选；须同时满足本类入口限制 |
threshold | float | 0.5 | Gerber 协方差识别显著同向/反向变动的标准化阈值。 | 候选；须同时满足本类入口限制 |
psd_variant | bool | true | Gerber 协方差是否使用保证半正定的 2022 变体；false 使用其 2019 变体。 | 候选；须同时满足本类入口限制 |
nearest | bool | true | 是否把估计协方差修复为最近的有效半正定矩阵。 | 候选；须同时满足本类入口限制 |
higham | bool | false | 是否使用 Higham 方法修复协方差矩阵，使其满足半正定等数值要求。 | 候选；须同时满足本类入口限制 |
higham_max_iteration | int | 100 | Higham 数值修复最多迭代次数，越大可能计算越久。 | 候选；须同时满足本类入口限制 |
GraphicalLassoCV
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.GraphicalLassoCV。以下 13 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
alphas | int 或 ArrayLike | 4 | GraphicalLassoCV 的正则化候选数量或数值网格，控制稀疏精度矩阵的搜索。 | 候选；须同时满足本类入口限制 |
n_refinements | int | 4 | GraphicalLassoCV 对正则化网格的细化次数。 | 候选；须同时满足本类入口限制 |
cv | int 或 sks.BaseCrossValidator 或 Iterable 或 None | None（省略） | 该类内部的交叉验证配置；与平台外层 search.cv 不是同一个位置，需单独保证时序因果性。 | 候选；须同时满足本类入口限制 |
tol | float | 0.0001 | 内部数值优化的收敛容差，越小可能越慢，不是风险上限。 | 候选；须同时满足本类入口限制 |
enet_tol | float | 0.0001 | GraphicalLasso 内部弹性网子问题的数值收敛容差，不是收益或风险目标。 | 候选；须同时满足本类入口限制 |
max_iter | int | 100 | 相关估计器数值求解的最大迭代次数，未收敛时应检查诊断而非只看权重。 | 候选；须同时满足本类入口限制 |
mode | str | 'cd' | GraphicalLassoCV 内部求解方式，常见 cd 或 lars；不是平台持仓约束模式。 | 候选；须同时满足本类入口限制 |
n_jobs | int 或 None | None（省略） | 并行任务数；负值的具体语义遵循 joblib/sklearn，过大可能增加内存负担。 | 候选；须同时满足本类入口限制 |
verbose | bool | false | 原生类的日志详细程度；不是平台外层 search 已暴露的任意键。 | 候选；须同时满足本类入口限制 |
assume_centered | bool | false | 是否假定数据已围绕零中心化；true 时不再按普通样本均值去中心。 | 候选；须同时满足本类入口限制 |
nearest | bool | true | 是否把估计协方差修复为最近的有效半正定矩阵。 | 候选；须同时满足本类入口限制 |
higham | bool | false | 是否使用 Higham 方法修复协方差矩阵，使其满足半正定等数值要求。 | 候选；须同时满足本类入口限制 |
higham_max_iteration | int | 100 | Higham 数值修复最多迭代次数，越大可能计算越久。 | 候选；须同时满足本类入口限制 |
专项说明：mode 等数值求解参数按该协方差实现解释，不等于优化器 objective_function。
ImpliedCovariance
入口说明： 结合隐含波动与先验协方差；需额外隐含波动元数据，平台当前普通 fit(X) 没有接入。
原生类型：skfolio.moments.ImpliedCovariance。以下 9 项是该类 1.8.0 的全 部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
prior_covariance_estimator | BaseCovariance 或 None | None（省略） | 隐含波动校准前使用的协方差先验估计器。 | 候选；须同时满足本类入口限制 |
annualization_factor | float 或 None | None（省略） | 把年化隐含波动转换到收益周期的因子；需与输入频率一致，不能凭此补齐隐含波动数据。 | 候选；须同时满足本类入口限制 |
window_size | int | 20 | 底层估计使用的最近观测数量，省略通常使用传入数据；与平台自然日 lookback_days 独立。 | 候选；须同时满足本类入口限制 |
linear_regressor | skb.BaseEstimator 或 None | None（省略） | 因子载荷或隐含波动校准用的回归器；sklearn.linear_model 不在平台类白名单，省略使用底层默认仍需父模型所需数据。 | 候选；须同时满足本类入口限制 |
volatility_risk_premium_adj | skt.MultiInput 或 None | None（省略） | 隐含波动风险溢价调整系数，需实际隐含波动附加数据。 | 候选；须同时满足本类入口限制 |
nearest | bool | true | 是否把估计协方差修复为最近的有效半正定矩阵。 | 候选；须同时满足本类入口限制 |
higham | bool | false | 是否使用 Higham 方法修复协方差矩阵，使其满足半正定等数值要求。 | 候选；须同时满足本类入口限制 |
higham_max_iteration | int | 100 | Higham 数值修复最多迭代次数，越大可能计算越久。 | 候选；须同时满足本类入口限制 |
annualized_factor | float 或 None | None（省略） | 旧的年化因子兼容参数，属于底层历史接口；新配置优先使用 annualization_factor。 | 候选；须同时满足本类入口限制 |
LedoitWolf
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.LedoitWolf。以下 6 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
store_precision | bool | true | 是否保存逆协方差/精度矩阵供后续查询。 | 候选；须同时满足本类入口限制 |
assume_centered | bool | false | 是否假定数据已围绕零中心化；true 时不再按普通样本均值去中心。 | 候选；须同时满足本类入口限制 |
block_size | int | 1000 | LedoitWolf 计算的分块大小，主要影响内存与计算，不是时间回测窗口。 | 候选；须同时满足本类入口限制 |
nearest | bool | true | 是否把估计协方差修复为最近的有效半正定矩阵。 | 候选；须同时满足本类入口限制 |
higham | bool | false | 是否使用 Higham 方法修复协方差矩阵，使其满足半正定等数值要求。 | 候选；须同时满足本类入口限制 |
higham_max_iteration | int | 100 | Higham 数值修复最多迭代次数，越大可能计算越久。 | 候选；须同时满足本类入口限制 |
RegimeAdjustedEWCovariance
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.RegimeAdjustedEWCovariance。以下 14 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
half_life | float | 40 | 指数加权半衰期，单位为观测数；越短越重视近期样本。 | 候选；须同时满足本类入口限制 |
corr_half_life | float 或 None | None（省略） | 指数加权相关性估计的半衰期；越短越强调近期，省略时使用模型默认关联设置。 | 候选；须同时满足本类入口限制 |
hac_lags | int 或 None | None（省略） | 处理序列相关的异方差自相关校正滞后阶数；更多阶数需要更多数据。 | 候选；须同时满足本类入口限制 |
regime_half_life | float 或 None | None（省略） | 风险状态调整尺度的指数加权半衰期。 | 候选；须同时满足本类入口限制 |
regime_target | RegimeAdjustmentTarget | PORTFOLIO | 风险状态校准目标枚举，如 PORTFOLIO；须使用白名单可解析的精确成员名。 | 候选；须同时满足本类入口限制 |
regime_method | RegimeAdjustmentMethod | FIRST_MOMENT | 风险状态调整的方法枚举；不能因为字符串可填就假定已通过平台枚举转换。 | 候选；须同时满足本类入口限制 |
regime_portfolio_weights | ArrayLike 或 None | None（省略） | PORTFOLIO 风险状态基准的组合权重，顺序须与资产一致。 | 候选；须同时满足本类入口限制 |
regime_multiplier_clip | tuple[float, float] 或 None | (0.7, 1.6) | 风险状态乘数的上下界二元组，抑制极端放大或缩小。 | 候选；须同时满足本类入口限制 |
regime_min_observations | int 或 None | None（省略） | 估计风险状态调整需要的最少有效样本数。 | 候选；须同时满足本类入口限制 |
min_observations | int 或 None | None（省略） | 该估计器计算所需最少有效观测数；与平台调仓外层默认 60 不是同一字段。 | 候选；须同时满足本类入口限制 |
assume_centered | bool | true | 是否假定数据已围绕零中心化；true 时不再按普通样本均值去中心。 | 候选；须同时满足本类入口限制 |
nearest | bool | true | 是否把估计协方差修复为最近的有效半正定矩阵。 | 候选；须同时满足本类入口限制 |
higham | bool | false | 是否使用 Higham 方法修复协方差矩阵，使其满足半正定等数值要求。 | 候选；须同时满足本类入口限制 |
higham_max_iteration | int | 100 | Higham 数值修复最多迭代次数，越大可能计算越久。 | 候选；须同时满足本类入口限制 |
ShrunkCovariance
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.ShrunkCovariance。以下 6 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
store_precision | bool | true | 是否保存逆协方差/精度矩阵供后续查询。 | 候选；须同时满足本类入口限制 |
assume_centered | bool | false | 是否假定数据已围绕零中心化；true 时不再按普 通样本均值去中心。 | 候选；须同时满足本类入口限制 |
shrinkage | float | 0.1 | 协方差向结构化目标收缩的强度，常见范围 [0,1]。 | 候选；须同时满足本类入口限制 |
nearest | bool | true | 是否把估计协方差修复为最近的有效半正定矩阵。 | 候选；须同时满足本类入口限制 |
higham | bool | false | 是否使用 Higham 方法修复协方差矩阵，使其满足半正定等数值要求。 | 候选；须同时满足本类入口限制 |
higham_max_iteration | int | 100 | Higham 数值修复最多迭代次数，越大可能计算越久。 | 候选；须同时满足本类入口限制 |
BaseMu
入口说明： 底层公共基类，不作为普通用户可执行算法推荐；有构造参数不等于能独立 fit 并输出权重。
原生类型：skfolio.moments.BaseMu。以下 0 项是该类 1.8.0 的全部构造参数。
该类构造函数没有可配置参数。基类/变换器仍受上述入口限制。
EWMu
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.EWMu。以下 3 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
half_life | float | 40 | 指数加权半衰期，单位为观测数；越短越重视近期样本。 | 候选；须同时满足本类入口限制 |
min_observations | int 或 None | None（省略） | 该估计器计算所需最少有效观测数；与平台调仓外层默认 60 不是同一字段。 | 候选；须同时满足本类入口限制 |
window_size | int 或 None | None（省略） | 底层估计使用的最近观测数量，省略通常使用传入数据；与平台自然日 lookback_days 独立。 | 候选；须同时满足本类入口限制 |
EmpiricalMu
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.EmpiricalMu。以下 1 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
window_size | int 或 None | None（省略） | 底层估计使用的最近观测数量，省略通常使用传入数据；与平台自然日 lookback_days 独立。 | 候选；须同时满足本类入口限制 |
EquilibriumMu
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.EquilibriumMu。以下 3 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
risk_aversion | float | 1 | 风险厌恶强度；MeanRisk 用于效用目标，EquilibriumMu/BlackLitterman 用于均衡收益，含义依父类。 | 候选；须同时满足本类入口限制 |
weights | FloatArray 或 None | None（省略） | 均衡收益估计或观点池化等模型的权重；含义取决于所属类，不一定是策略执行权重。 | 候选；须同时满足本类入口限制 |
covariance_estimator | BaseCovariance 或 None | None（省略） | 估计资产风险及共同波动的模型，可嵌套白名单 moments 类规格。 | 候选；须同时满足本类入口限制 |
ShrunkMu
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.ShrunkMu。以下 3 项是该类 1.8.0 的全部构造参 数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
covariance_estimator | BaseCovariance 或 None | None（省略） | 估计资产风险及共同波动的模型，可嵌套白名单 moments 类规格。 | 候选；须同时满足本类入口限制 |
vol_weighted_target | bool | false | ShrunkMu 是否按波动调整收缩目标。 | 候选；须同时满足本类入口限制 |
method | ShrunkMuMethods | JAMES_STEIN | ShrunkMu 的收缩方法枚举；JAMES_STEIN、BAYES_STEIN 或 BODNAR_OKHRIN，使用精确成员名。 | 候选；须同时满足本类入口限制 |
专项说明：method 是 ShrunkMuMethods 枚举，可选 JAMES_STEIN、BAYES_STEIN、BODNAR_OKHRIN，默认 JAMES_STEIN；不是通用字符串 method。
BaseVariance
入口说明： 底层公共基类，不作为普通用户可执行算法推荐；有构造参数不等于能独立 fit 并输出权重。
原生类型：skfolio.moments.BaseVariance。以下 1 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
assume_centered | bool | false | 是否假定数据已围绕零中心化；true 时不再按普通样本均值去中心。 | 候选；须同时满 足本类入口限制 |
EWVariance
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.EWVariance。以下 4 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
half_life | float | 40 | 指数加权半衰期，单位为观测数；越短越重视近期样本。 | 候选；须同时满足本类入口限制 |
assume_centered | bool | true | 是否假定数据已围绕零中心化；true 时不再按普通样本均值去中心。 | 候选；须同时满足本类入口限制 |
min_observations | int 或 None | None（省略） | 该估计器计算所需最少有效观测数；与平台调仓外层默认 60 不是同一字段。 | 候选；须同时满足本类入口限制 |
window_size | int 或 None | None（省略） | 底层估计使用的最近观测数量，省略通常使用传入数据；与平台自然日 lookback_days 独立。 | 候选；须同时满足本类入口限制 |
EmpiricalVariance
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.EmpiricalVariance。以下 3 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
window_size | int 或 None | None（省略） | 底层估计使用的最近观测数量，省略通常使用传入数据；与平台自然日 lookback_days 独立。 | 候选；须同时满足本类入口限制 |
ddof | int | 1 | 样本方差分母的自由度扣减，例如 1 对应除以 n−1。 | 候选；须同时满足本类入口限制 |
assume_centered | bool | false | 是否假定数据已围绕零中心化；true 时不再按普通样本均值去中心。 | 候选；须同时满足本类入口限制 |
RegimeAdjustedEWVariance
入口说明： 收益/风险嵌套估计器候选；应放进接受其类型的父参数 class/params 规格，不是把这些键直接加到 MeanRisk。
原生类型：skfolio.moments.RegimeAdjustedEWVariance。以下 8 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
half_life | float | 40 | 指数加权半衰期，单位为观测数；越短越重视近期样本。 | 候选；须同时满足本类入口限制 |
hac_lags | int 或 None | None（省略） | 处理序列相关的异方差自相关校正滞后阶数；更多阶数需要更多数据。 | 候选；须同时满足本类入口限制 |
regime_method | RegimeAdjustmentMethod | FIRST_MOMENT | 风险状态调整的方法枚举；不能因为字符串可填就假定已通过平台枚举转换。 | 候选；须同时满足本类入口限制 |
regime_half_life | float 或 None | None（省略） | 风险状态调整尺度的指数加权半衰期。 | 候选；须同时满足本类入口限制 |
regime_multiplier_clip | tuple[float, float] 或 None | (0.7, 1.6) | 风险状态乘数的上下界二元组，抑制极端放大或缩小。 | 候选；须同时满足本类入口限制 |
regime_min_observations | int 或 None | None（省略） | 估计风险状态调整需要的最少有效样本数。 | 候选；须同时满足本类入口限制 |
min_observations | int 或 None | None（省略） | 该估计器计算所需最少有效观测数；与平台调仓外层默认 60 不是同一字段。 | 候选；须同时满足本类入口限制 |
assume_centered | bool | true | 是否假定数据已围绕零中心化；true 时不再按普通样本均值去中心。 | 候选；须同时满足本类入口限制 |
preprocessing 模块
BaseCSTransformer
入口说明： 底层公共基类，不作为普通用户可执行算法推荐；有构造参数不等于能独立 fit 并输出权重。
原生类型：skfolio.preprocessing.BaseCSTransformer。以下 0 项是该类 1.8.0 的全部构造参数。
该类构造函数没有可配置参数。基类/变换器仍受上述入口限制。
CSGaussianRankScaler
入口说明： 横截面预处理器；不是优化器或 CV。平台未提供把任意预处理器串进调仓 Pipeline 的配置入口，仅列底层候选。
原生类型：skfolio.preprocessing.CSGaussianRankScaler。以下 3 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
min_group_size | int | 8 | 横截面按组变换所需最少样本数，组太小按该变换器规则处理。 | 候选；须同时满足本类入口限制 |
scale | bool | true | 横截面高斯秩 变换是否进一步做尺度调整。 | 候选；须同时满足本类入口限制 |
atol | float | 1e-12 | 数值接近零的绝对容差；用于避免零方差等导致除零，不是风险阈值。 | 候选；须同时满足本类入口限制 |
CSPercentileRankScaler
入口说明： 横截面预处理器；不是优化器或 CV。平台未提供把任意预处理器串进调仓 Pipeline 的配置入口，仅列底层候选。
原生类型：skfolio.preprocessing.CSPercentileRankScaler。以下 1 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
min_group_size | int | 8 | 横截面按组变换所需最少样本数，组太小按该变换器规则处理。 | 候选；须同时满足本类入口限制 |
CSStandardScaler
入口说明： 横截面预处理器；不是优化器或 CV。平台未提供把任意预处理器串进调仓 Pipeline 的配置入口，仅列底层候选。
原生类型：skfolio.preprocessing.CSStandardScaler。以下 2 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
min_group_size | int | 8 | 横截面按组变换所需最少样本数，组太小按该变换器规则处理。 | 候选；须同时满足本类入口限制 |
atol | float | 1e-12 | 数值接近零的绝对容差；用于避免零方差等导致除零，不是风险阈值。 | 候选；须同时满足本类入口限制 |
CSTanhShrinker
入口说明： 横截面预处理器；不是优化器或 CV。平台未提供把任意预处理器串进调仓 Pipeline 的配置入口，仅列底层候选。
原生类型：skfolio.preprocessing.CSTanhShrinker。以下 2 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
knee | float | 3.0 | 横截面 tanh 收缩开始明显压缩极端值的位置。 | 候选；须同时满足本类入口限制 |
atol | float | 1e-12 | 数值接近零的绝对容差；用于避免零方差等导致除零，不是风险阈值。 | 候选；须同时满足本类入口限制 |
CSWinsorizer
入口说明： 横截面预处理器；不是优化器或 CV。平台未提供把任意预处理器串进调仓 Pipeline 的配置入口，仅列底层候选。
原生类型：skfolio.preprocessing.CSWinsorizer。以下 2 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
low | float | 0.01 | 横截面截尾下分位，通常 0 到 1 之间且小于 high。 | 候选；须同时满足本类入口限制 |
high | float | 0.99 | 横截面截尾上分位，通常 0 到 1 之间且大于 low；不是搜索分布 high 的说明。 | 候选；须同时满足本类入口限制 |
model_selection 模块
BaseCombinatorialCV
入口说明： 底层公共基类，不作为普通用户可执行算法推荐；有构造参数不等于能独立 fit 并输出权重。
原生类型：skfolio.model_selection.BaseCombinatorialCV。以下 0 项是该类 1.8.0 的全部构造参数。
该类构造函数没有可配置参数。基类/变换器仍受上述入口限制。
CombinatorialPurgedCV
入口说明： 底层组合式隔离 CV；很多切分会在验证期之后训练，不能假定满足平台外层严格时序检查。
原生类型：skfolio.model_selection.CombinatorialPurgedCV。以下 4 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
n_folds | int | 10 | 组合式 CV 总折数；不是 WalkForward 参数。 | 候选；须同时满足本类入口限制 |
n_test_folds | int | 8 | 组合式 CV 中每次拿作测试的折数；并非所有组合都满足平台训练早于验证的要求。 | 候选；须同时满足本类入口限制 |
purged_size | int | 0 | 训练与测试之间剔除的临近样本数量，减少交叉污染。 | 候选；须同时满足本类入口限制 |
embargo_size | int | 0 | 组合式 CV 的隔离区长度，用于减少临近样本信息串扰；仍须通过平台的严格先后检查。 | 候选；须同时满足本类入口限制 |
CovarianceForecastComparison
入口说明： 多个协方差预测评估的结果容器，不是优化器或交叉验证切分器。
原生类型：skfolio.model_selection.CovarianceForecastComparison。以下 2 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
evaluations | list[CovarianceForecastEvaluation] | 必填 | 多个协方差预测评估对象列表；是评估结果比较数据，不是可直接运行的调仓模型。 | 候选；须同时满足本类入口限制 |
names | list[str] 或 None | None（省略） | 多个评估对象的标签列表，顺序需一致。 | 候选；须同时满足本类入口限制 |
CovarianceForecastEvaluation
入口说明： 协方差预测评估数据对象，不是普通 TOML 可用的权重模型。
原生类型：skfolio.model_selection.CovarianceForecastEvaluation。以下 10 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
observations | FloatArray | 必填 | 观测标识或数据数组，依所属数据容器的类型；不是平台可以单独上传的参数入口。 | 候选；须同时满足本类入口限制 |
horizon | int | 必填 | 协方差预测评估的预测期长度，属于评估数据对象。 | 候选；须同 时满足本类入口限制 |
squared_mahalanobis_distance | FloatArray | 必填 | 评估对象记录的平方马氏距离数组。 | 候选；须同时满足本类入口限制 |
mahalanobis_calibration_ratio | FloatArray | 必填 | 评估对象的马氏距离校准比率数组。 | 候选；须同时满足本类入口限制 |
diagonal_calibration_ratio | FloatArray | 必填 | 评估对象保存的对角风险校准比率数组；属于评估结果数据。 | 候选；须同时满足本类入口限制 |
portfolio_standardized_return | FloatArray | 必填 | 协方差评估中标准化组合收益数组，属于输出数据。 | 候选；须同时满足本类入口限制 |
portfolio_variance_qlike_loss | FloatArray | 必填 | 协方差预测评估的 QLIKE 损失数组，属于输出数据。 | 候选；须同时满足本类入口限制 |
n_valid_assets | IntArray | 必填 | 协方差预测评估各期可用资产数量数组。 | 候选；须同时满足本类入口限制 |
n_portfolios | int | 必填 | 协方差评估所用测试组合数，属于评估结果信息。 | 候选；须同时满足本类入口限制 |
name | str 或 None | None（省略） | 评估对象等的显示名称，不会自动创建平台组合编号。 | 候选；须同时满足本类入口限制 |
MultipleRandomizedCV
入口说明： 组合时间切分与随机资产子集的 CV；需验证 split 接口及每折索引满足平台契约，不是已验证即插即用能力。
原生类型：skfolio.model_selection.MultipleRandomizedCV。以下 5 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
walk_forward | WalkForward | 必填 | MultipleRandomizedCV 所包装的 WalkForward 切分对象。 | 候选；须同时满足本类入口限制 |
n_subsamples | int | 必填 | 随机 CV 的子样本次数。 | 候选；须同时满足本类入口限制 |
asset_subset_size | int | 必填 | 每次随机交叉验证抽取的资产数，不能超过可用资产数。 | 候选；须同时满足本类入口限制 |
window_size | int 或 None | None（省略） | 底层估计使用的最近观测数量，省略通常使用传入数据；与平台自然日 lookback_days 独立。 | 候选；须同时满足本类入口限制 |
random_state | int 或 None | None（省略） | 该类内部随机过程的种子；仅签名含此字段的类接受，Random 优化器本身没有此参数。 | 候选；须同时满足本类入口限制 |
OnlineGridSearch
入口说明： skfolio 原生在线网格搜索；平台外层 search.method 只接受 GridSearchCV/RandomizedSearchCV，不能填写此类名。
原生类型：skfolio.model_selection.OnlineGridSearch。以下 17 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
estimator | skb.BaseEstimator | 必填 | 原生搜索包装的待训练模型；平台外层已由 optimizer 构造，不需要在 search 中重复填写。 | 候选；须同时满足本类入口限制 |
param_grid | dict 或 list[dict] | 必填 | 原生搜索候选网格；平台外层同名键有自身转换和禁用检查，不能绕过。 | 候选；须同时满足本类入口限制 |
scoring | skt.Scoring | None（省略） | 原生搜索评分方法；平台外层只接受字符串或省略，callable 不是普通 TOML 能力。 | 候选；须同时满足本类入口限制 |
warmup_size | int | 252 | 原生在线搜索最初训练/暖机长度；平台外层 search 没有暴露该在线接口。 | 候选；须同时满足本类入口限制 |
test_size | int | 1 | WalkForward 每折验证长度；freq 省略时整数按观测数，指定 freq 后按该频率的周期数。 | 候选；须同时满足本类入口限制 |
freq | str 或 pd.offsets.BaseOffset 或 None | None（省略） | WalkForward 或在线搜索的日历频率；省略按样本位置，字符串须符合 pandas 频率定义。 | 候选；须同时满足本类入口限制 |
freq_offset | pd.offsets.BaseOffset 或 dt.timedelta 或 None | None（省略） | 日历切分边界的偏移量；不能当成交易日顺延保证，须核对实际生成的折。 | 候选；须同时满足本类入口限制 |
previous | bool | false | 日历切分中使用边界前一可用时点的对齐设置；不等于 previous_weights。 | 候选；须同时满足本类入口限制 |
purged_size | int | 0 | 训练与测试之间剔除的临近样本数量，减少交叉污染。 | 候选；须同时满足本类入口限制 |
reduce_test | bool | false | 最后一个测试窗口不足长度时是否缩短保留。 | 候选；须同时满足本类入口限制 |
refit | bool 或 str 或 Callable[[dict[str, Any]], int] | true | 原生搜索的最终重训设置；平台外层 refit=false 仍会自行按最优参数重训。 | 候选；须同时满足本类入口限制 |
error_score | float 或 Literal['raise'] | nan | 原生搜索某次拟合出错时记录的分数，或 raise；不是平台可任意设置的 search 外层键。 | 候选；须同时满足本类入口限制 |
return_predictions | bool | false | 原生在线搜索是否保留预测结果，平台外层 search 未暴露此开关。 | 候选；须同时满足本类入口限制 |
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
entry_rebalancing_params | dict 或 None | None（省略） | 原生在线搜索的进入时点再平衡设置；平台外层 search 并未提供此在线搜索入口。 | 候选；须同时满足本类入口限制 |
n_jobs | int 或 None | None（省略） | 并行任务数；负值的具体语义遵循 joblib/sklearn，过大可能增加内存负担。 | 候选；须同时满足本类入口限制 |
verbose | int | 0 | 原生类的日志详细程度；不是平台外层 search 已暴露的任意键。 | 候选；须同时满足本类入口限制 |
OnlineRandomizedSearch
入口说明： skfolio 原生在线随机搜索；不是平台已开放的 search.method 值。
原生类型：skfolio.model_selection.OnlineRandomizedSearch。以下 19 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
estimator | skb.BaseEstimator | 必填 | 原生搜索包装的待训练模型；平台外层已由 optimizer 构造，不需要在 search 中重复填写。 | 候选；须同时满足本类入口限制 |
param_distributions | dict | 必填 | 原生在线随机搜索的采样分布；平台外层统一使用 param_grid，不接受此键。 | 候选；须同时满足本类入口限制 |
n_iter | int | 10 | 原生随机搜索抽样次数；此处是原生类参数，平台search 外层默认另为 20。 | 候选；须同时满足本类入口限制 |
scoring | skt.Scoring | None（省略） | 原生搜索评分方法；平台外层只接受字符串或省略，callable 不是普通 TOML 能力。 | 候选；须同时满足本类入口限制 |
warmup_size | int | 252 | 原生在线搜索最初训练/暖机长度；平台外层 search 没有暴露该在线接口。 | 候选；须同时满足本类入口限制 |
test_size | int | 1 | WalkForward 每折验证长度；freq 省略时整数按观测数，指定 freq 后按该频率的周期数。 | 候选；须同时满足本类入口限制 |
freq | str 或 pd.offsets.BaseOffset 或 None | None（省略） | WalkForward 或在线搜索的日历频率；省略按样本位置，字符串须符合 pandas 频率定义。 | 候选；须同时满足本类入口限制 |
freq_offset | pd.offsets.BaseOffset 或 dt.timedelta 或 None | None（省略） | 日历切分边界的偏移量；不能当成交易日顺延保证，须核对实际生成的折。 | 候选；须同时满足本类入口限制 |
previous | bool | false | 日历切分中使用边界前一可用时点的对齐设置；不等于 previous_weights。 | 候选；须同时满足本类入口限制 |
purged_size | int | 0 | 训练与测试之间剔除的临近样本数量，减少交叉污染。 | 候选；须同时满足本类入口限制 |
reduce_test | bool | false | 最后一个测试窗口不足长度时是否缩短保留。 | 候选；须同时满足本类入口限制 |
refit | bool 或 str 或 Callable[[dict[str, Any]], int] | true | 原生搜索的最终重训设置；平台外层 refit=false 仍会自行按最优参数重训。 | 候选；须同时满足本类入口限制 |
random_state | int 或 None | None（省略） | 该类内部随机过程的种子；仅签名含此字段的类接受，Random 优化器本身没有此参数。 | 候选；须同时满足本类入口限制 |
error_score | float 或 Literal['raise'] | nan | 原生搜索某次拟合出错时记录的分数，或 raise；不是平台可任意设置的 search 外层键。 | 候选；须同时满足本类入口限制 |
return_predictions | bool | false | 原生在线搜索是否保留预测结果，平台外层 search 未暴露此开关。 | 候选；须同时满足本类入口限制 |
portfolio_params | dict 或 None | None（省略） | 传给 skfolio 结果组合对象的元参数；不改变平台历史切窗或实际执行政策。 | 候选；须同时满足本类入口限制 |
entry_rebalancing_params | dict 或 None | None（省略） | 原生在线搜索的进入时点再平衡设置；平台外层 search 并未提供此在线搜索入口。 | 候选；须同时满足本类入口限制 |
n_jobs | int 或 None | None（省略） | 并行任务数；负值的具体语义遵循 joblib/sklearn，过大可能增加内存负担。 | 候选；须同时满足本类入口限制 |
verbose | int | 0 | 原生类的日志详细程度；不是平台外层 search 已暴露的任意键。 | 候选；须同时满足本类入口限制 |
WalkForward
入口说明： 外层 search.cv 可使用的时序切分器；必须同时指定 train_size 与 test_size，不接受 n_splits。
原生类型：skfolio.model_selection.WalkForward。以下 8 项是该类 1.8.0 的全部构造参数。
| 参数 | 原生类型 | 默认值 | 通俗说明 / 单位与限制 | 平台支持边界 |
|---|---|---|---|---|
test_size | int | 必填 | WalkForward 每折验证长度；freq 省略时整数按观测数，指定 freq 后按该频率的周期数。 | 候选；须同时满足本类入口限制 |
train_size | int 或 pd.offsets.BaseOffset 或 dt.timedelta | 必填 | WalkForward 每折训练长度；freq 省略时整数按观测数，指定 freq 后按该频率周期数；另有 Python 日历偏移对象接口。 | 候选；须同时满足本类入口限制 |
freq | str 或 pd.offsets.BaseOffset 或 None | None（省略） | WalkForward 或在线搜索的日历频率；省略按样本位置，字符串须符合 pandas 频率定义。 | 候选；须同时满足本类入口限制 |
freq_offset | pd.offsets.BaseOffset 或 dt.timedelta 或 None | None（省略） | 日历切分边界的偏移量；不能当成交易日顺延保证，须核对实际生成的折。 | 候选；须同时满足本类入口限制 |
previous | bool | false | 日历切分中使用边界前一可用时点的对齐设置；不等于 previous_weights。 | 候选；须同时满足本类入口限制 |
expand_train | bool | false | WalkForward 是否使用不断扩大的训练窗口；false 通常为固定长度滚动。 | 候选；须同时满足本类入口限制 |
reduce_test | bool | false | 最后一个测试窗口不足长度时是否缩短保留。 | 候选；须同时满足本类入口限制 |
purged_size | int | 0 | 训练与测试之间剔除的临近样本数量，减少交叉污染。 | 候选；须同时满足本类入口限制 |
枚举候选：先分清枚举类型
以下按同一版本平台可检索的枚举来源提取完整成员名。枚举成员出现在列表中只表示可以解析，不代表所选优化器接受或可优化该指标。精确算法 约束以类的参数校验为准；例如 MeanRisk 使用 RiskMeasure，不能填 ExtraRiskMeasure 的 SKEW。
枚举 ObjectiveFunction
| 精确候选名 | 读法 |
|---|---|
MINIMIZE_RISK | 最小化风险 |
MAXIMIZE_RETURN | 最大化预期收益 |
MAXIMIZE_UTILITY | 最大化收益减风险惩罚的效用 |
MAXIMIZE_RATIO | 最大化超额收益与风险之比 |
枚举 CorrelationMethod
| 精确候选名 | 读法 |
|---|---|
PEARSON | 皮尔逊线性相关 |
SPEARMAN | 斯皮尔曼秩相关 |
枚举 GeodesicShrinkageTarget
| 精确候选名 | 读法 |
|---|---|
SCALED_IDENTITY | 缩放单位矩阵 |
DIAGONAL | 对角结构 |
枚举 RegimeAdjustmentMethod
| 精确候选名 | 读法 |
|---|---|
LOG | 对数变换，压缩极端值 |
FIRST_MOMENT | 校准标准化风险统计量的一阶矩 |
RMS | 均方根/卡方校准，对极端值更敏感 |
枚举 RegimeAdjustmentTarget
| 精确候选名 | 读法 |
|---|---|
MAHALANOBIS | 马氏距离风险校准 |
DIAGONAL | 对角结构 |
PORTFOLIO | 组合风险校准 |
枚举 ShrunkMuMethods
| 精确候选名 | 读法 |
|---|---|
JAMES_STEIN | James–Stein 均值收缩 |
BAYES_STEIN | Bayes–Stein 均值收缩 |
BODNAR_OKHRIN | Bodnar–Okhrin 均值收缩 |
枚举 BaseMeasure
| 精确候选名 | 读法 |
|---|
枚举 ExtraRiskMeasure
| 精确候选名 | 读法 |
|---|---|
VALUE_AT_RISK | 在险价值 VaR：给定置信水平的损失分位 |
DRAWDOWN_AT_RISK | 回撤在险值：回撤的分位 |
ENTROPIC_RISK_MEASURE | 熵风险度量 |
FOURTH_CENTRAL_MOMENT | 四阶中心矩 |
FOURTH_LOWER_PARTIAL_MOMENT | 四阶下偏矩 |
SKEW | 偏度，衡量收益分布不对称 |
KURTOSIS | 峰度，衡量尾部及尖峰特征 |
枚举 PerfMeasure
| 精确候选名 | 读法 |
|---|---|
MEAN | 单期平均收益 |
ANNUALIZED_MEAN | 年化单期平均收益 |
枚举 RatioMeasure
| 精确候选名 | 读法 |
|---|---|
SHARPE_RATIO | 夏普比率：超额平均收益 / 标准差 |
ANNUALIZED_SHARPE_RATIO | 年化夏普比率：超额平均收益 / 标准差 |
SORTINO_RATIO | 索提诺比率：超额平均收益 / 下行偏差 |
ANNUALIZED_SORTINO_RATIO | 年化索提诺比率：超额平均收益 / 下行偏差 |
MEAN_ABSOLUTE_DEVIATION_RATIO | 超额平均收益 / 平均绝对偏差 |
FIRST_LOWER_PARTIAL_MOMENT_RATIO | 超额平均收益 / 一阶下偏矩 |
VALUE_AT_RISK_RATIO | 超额平均收益 / 在险价值 VaR：给定置信水平的损失分位 |
CVAR_RATIO | 超额平均收益 / 条件尾部损失 CVaR |
ENTROPIC_RISK_MEASURE_RATIO | 超额平均收益 / 熵风险度量 |
EVAR_RATIO | 超额平均收益 / 熵尾部损失 EVaR |
WORST_REALIZATION_RATIO | 超额平均收益 / 最差单期损失 |
DRAWDOWN_AT_RISK_RATIO | 超额平均收益 / 回撤在险值：回撤的分位 |
CDAR_RATIO | 超额平均收益 / 条件尾部回撤 CDaR |
CALMAR_RATIO | 卡玛比率：超额平均收益 / 最大回撤 |
AVERAGE_DRAWDOWN_RATIO | 超额平均收益 / 平均回撤 |
EDAR_RATIO | 超额平均收益 / 熵尾部回撤 EDaR |
ULCER_INDEX_RATIO | 超额平均收益 / 溃疡指数（回撤平方均值的平方根） |
GINI_MEAN_DIFFERENCE_RATIO | 超额平均收益 / 收益两两绝对差的平均量 |
枚举 RiskMeasure
| 精确候选名 | 读法 |
|---|---|
VARIANCE | 方差（收益平方单位） |
ANNUALIZED_VARIANCE | 年化方差（收益平方单位） |
SEMI_VARIANCE | 半方差（只关注下行） |
ANNUALIZED_SEMI_VARIANCE | 年化半方差（只关注下行） |
STANDARD_DEVIATION | 标准差（收益单位） |
ANNUALIZED_STANDARD_DEVIATION | 年化标准差（收益单位） |
SEMI_DEVIATION | 半标准差 |
ANNUALIZED_SEMI_DEVIATION | 年化半标准差 |
MEAN_ABSOLUTE_DEVIATION | 平均绝对偏差 |
CVAR | 条件尾部损失 CVaR |
EVAR | 熵尾部损失 EVaR |
WORST_REALIZATION | 最差单期损失 |
CDAR | 条件尾部回撤 CDaR |
MAX_DRAWDOWN | 最大回撤 |
AVERAGE_DRAWDOWN | 平均回撤 |
EDAR | 熵尾部回撤 EDaR |
FIRST_LOWER_PARTIAL_MOMENT | 一阶下偏矩 |
ULCER_INDEX | 溃疡指数（回撤平方均值的平方根） |
GINI_MEAN_DIFFERENCE | 收益两两绝对差的平均量 |
枚举 LinkageMethod
| 精确候选名 | 读法 |
|---|---|
SINGLE | 单链接：簇间最近距离 |
COMPLETE | 全链接：簇间最远距离 |
AVERAGE | 平均链接：簇间平均距离 |
WEIGHTED | 加权平均链接 |
CENTROID | 质心链接 |
MEDIAN | 中位/加权质心链接 |
WARD | Ward 链接，按簇内方差增加量合并 |
外部时序切分：TimeSeriesSplit
sklearn.model_selection 也在平台类白名单中，但不是 skfolio 本体，不计入上述 64 类。本文核对的 scikit-learn 1.9.1 中常用参数如下；所有切分仍必须通过平台因果性检查。
| 参数 | 类型 / 默认值 | 含义 |
|---|---|---|
n_splits | 正整数 / 5 | 验证折数，至少 2；不是 WalkForward 参数。 |
max_train_size | 整数或省略 / None | 每折训练样本数上限。 |
test_size | 整数或省略 / None | 每折测试样本数；省略由样本量和折数计算。 |
gap | 非负整数 / 0 | 训练末尾和测试开始之间跳过的样本数。 |
覆盖边界与复核办法
逐类以 inspect.signature(类) 提取，核对类数、每类参数名/顺序/默认值以及总计 588 行；没有用 get_params(deep=True) 展开的无限嵌套路径冒充新的独立参数。嵌套某个已列模型时，继续查该类的 params 表即可。
未纳入“平台已支持”的能力：白名单之外的距离/聚类/分布/不确定性集合/特征暴露/回归等实现模块，基准与因子等额外 fit 数据，原生在线搜索与多前沿输出，Python callable 和平台禁用的 MIP 键。不会因为它们有原生 API 就生成可直接使用的 TOML。
这是一份按版本整理的参数说明，不是生产部署版本证明，也不是对所有候选模型逐一滚动回测的运行保证。