python - Python:如何在允许方法内修改的同时重用基本方法?
问题描述
背景
我正在尝试将 Black-Litterman 模型实现为我已经实现的Markowitz 模型的子类。Markowitz 模型的主要思想是:你循环一个date_list
,在每个上date
你使用移动平均方法来估计预期收益mu
和协方差矩阵sigma
,然后你使用均值方差优化器计算均值方差投资组合mean_variance(mu, sigma)
。从概念上讲,Markowitz 模型是这样的
class Markowitz(object):
def __init__(self, params):
self.price_data = ...
self.date_list = ...
def estimate_mu_and_sigma(self, date):
mu = ...
sigma = ...
return mu, sigma
@staticmethod
def mean_variance_optimiser(mu, sigma):
w = ...
return w
def back_test(self):
for date in self.date_list:
mu, sigma = self.estimate_mu_and_sigma(date)
w = Markowitz.mean_variance_optimiser(mu, sigma)
# do some other stuff
pass
Black-Litterman 和 Markowitz 之间的唯一区别是 BL 使用与 Markowitz 不同的估计方法mu
,sigma
但随后的均值方差优化过程是相同的。自然我想继承Markowitz
一个 BL 模型。问题在于,在 BL 中,需要额外参数的mu
估计sigma
。不仅如此,这组附加参数还动态依赖于date
,所以我不能直接覆盖Markowitz.back_test
给它附加参数。实际上,一个 BL 模型是这样的:
class BlackLitterman(Markowitz):
def __init__(self, params, more_parms):
super().__init__(params)
self.some_auxiliary_data = ...
def estimate_mu_and_sigma(self, date, dynamic_params):
mu = ...
sigma = ...
return mu, sigma
def back_test(self, more_params):
for date in self.date_list:
dynamic_params = ... # depends both on date and more params
mu, sigma = self.estimate_mu_and_sigma(date, dynamic_params)
w = Markowitz.mean_variance_optimiser(mu, sigma)
# do some other stuff
pass
当我尝试这个时,IDE 已经抱怨用不一致的签名BlackLitterman.estimate_mu_and_sigma
覆盖。Markowtiz.estimate_mu_and_sigma
此外,这实际上并没有重用back_test
.
谁能告诉我如何更优雅地继承 from Markowitz
?谢谢!
解决方案
您实际上不应该尝试创建Markowitz
基类,而是拥有一个抽象Model
基类并将两个模型都实现为子类,或者 - 恕我直言,您的用例更好 - 有一个Model
具体类可以完成除estimate_mu_and_sigma
andmean_variance_optimiser
和使用之外的所有操作这些部分的策略模式。
基于策略的解决方案:
class Estimator(object):
def __init__(self, params, strategy):
self.price_data = ...
# etc
self.strategy = strategy
def back_test(self):
for date in self.date_list:
mu, sigma = self.strategy.estimate_mu_and_sigma(date)
w = self.strategy.mean_variance_optimiser(mu, sigma)
# do some other stuff
pass
class MarkowitzStrategy(object):
def __init__(self, *args, **kw):
# ...
def estimate_mu_and_sigma(self, date):
mu = ...
sigma = ...
return mu, sigma
class BlackLittermanStrategy(object):
def __init__(self, *args, **kw):
# here you pass `more_params` and store them locally
# etc so you can caculate
# `dynamic_params` here without polluting the Estimator class
self.more_params = ....
def _calc_dyn_params(self, date):
return ...
def estimate_mu_and_sigma(self, date):
dynamic_params = self._calc_dyn_params(date)
mu = ...
sigma = ...
return mu, sigma
然后,您使用适当的参数构建策略并将其传递给您的估算器。通过将变量部分(策略)与不变量(如何估计)分开,您可以避免用不相关的细节污染 Estimator。
注意:对于基于继承的解决方案,您必须设计您的基类,以便它的方法可以接受所有可能的估计模型的所有可能参数,这通常使用*args
和**kwargs
对于从一个具体类到另一个具体类不同的所有参数来完成。这并没有真正帮助 wrt/ 文档和调试......