Mindket

Portfolio Optimization (Python)

新上架第 1 版 · 更新于

概览

把 SolverForge 的一个投资组合优化问题做成 Docker 应用,可以在浏览器里打开,也可以在自己的机器上构建。适合想了解金融求解器演示的人。

Portfolio Optimization (Python) 是一款工具包,属于财务类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Windows、macOS 或 Linux 上的 Docker。
  • Python 和 pip,用来通过 hf 命令下载文件。
用在
  • 网页浏览器:在 Hugging Face 上打开这个 Space 页面。它在那里运行在 cpu-basic 硬件上。
  • 装有 Docker 的 Windows、macOS 或 Linux:自己构建镜像并运行。
先运行
pip install -U huggingface_hub
hf download blackopsrepl/portfolio-optimization-python --repo-type space --local-dir portfolio-optimization-python
cd portfolio-optimization-python

平台

Windows操作系统
macOS操作系统
Linux操作系统
Docker容器

关于

它是什么

这个 Space 里是 SolverForge 的一个投资组合优化问题,用 Python 写成,打包成 Docker 应用。你可以在浏览器里打开它,什么都不用安装。仓库里还有源码、一个静态文件夹、测试和日志配置,所以你可以构建自己的副本。

适合谁

它适合想看看投资组合优化问题实际运行的人,也适合想读一个 Docker 加 Python 项目的开发者。

行业谁在用怎么用例子
金融分析师和学生打开托管应用,看投资组合优化问题实际运行看看一个求解器演示是怎么呈现的
软件Python 开发者阅读一个求解器项目的源码、测试和 Dockerfile复制这个项目的结构做自己的演示
教育优化课程的老师把运行中的演示当作课堂例子在共享屏幕上展示这个演示

如果你需要一个管理真实投资组合的工具,可以跳过它,因为它的来源只把它称为一个问题演示。

用在哪里

  • 网页浏览器:在 Hugging Face 上打开这个 Space 页面。它在那里运行在 cpu-basic 硬件上。
  • 装有 Docker 的 Windows、macOS 或 Linux:自己构建镜像并运行。
使用场景谁用能得到什么
试用演示任何人浏览器里运行的投资组合优化应用
阅读项目开发者源码、测试、Dockerfile 和日志配置
运行私有副本开发者一个监听 8080 端口的容器

如何设置

使用托管页面不需要你做任何准备。本地副本需要先备好下面这些东西。

  • Windows、macOS 或 Linux 上的 Docker。
  • Python 和 pip,用来通过 hf 命令下载文件。
  1. 用 pip 安装 huggingface_hub 包。
  2. 用 hf 命令把这个 Space 的文件下载到一个文件夹里。
  3. 进入这个文件夹。
  4. 用 Dockerfile 构建 Docker 镜像。
  5. 运行镜像并映射 8080 端口。
pip install -U huggingface_hub
hf download blackopsrepl/portfolio-optimization-python --repo-type space --local-dir portfolio-optimization-python
cd portfolio-optimization-python
docker build -t portfolio-optimization-python .
docker run -it -p 8080:8080 portfolio-optimization-python

如何使用

在线使用时,打开 Space 页面。在自己的电脑上,运行上面最后两条命令,然后在浏览器里打开 8080 端口。仓库对应用的操作说得不多,所以请直接看页面本身。

工具作用
docker build用文件夹里的 Dockerfile 构建镜像
docker run启动容器并映射 8080 端口
src存放源码
tests存放项目的测试

示例

你下载这个 Space,构建镜像,并映射 8080 端口运行它。然后在浏览器里打开那个端口,投资组合优化演示就会从你自己的机器上加载出来。

新手与专家

如果你是新手,先打开托管页面。它什么都不用安装,你可以看看这个问题是怎么展示的。之后再试本地构建。

如果你熟悉这个领域,这是一个 8080 端口的 Docker Space,src 里有 Python 代码,另有 pyproject.toml、一个静态文件夹、一个 logging.conf 和一个测试文件夹。它运行在 cpu-basic 硬件上。仓库没有描述求解器的模型或约束。

  1. 打开 Space 或构建镜像
  2. Docker 容器在 8080 端口启动
  3. 你在浏览器里打开应用

注意事项

README 只有一行,所以问题本身的细节没有在那里记录。

  • License: apache-2
  • Cost to run: none named
  • Data it reaches: none named
  • Needs: 本地副本需要 Docker

README 和文件

README

Portfolio Optimization (Python)

把 SolverForge 的一个投资组合优化问题做成 Docker 应用,可以在浏览器里打开,也可以在自己的机器上构建。适合想了解金融求解器演示的人。

由 blackopsrepl 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:这个 Space 里是 SolverForge 的一个投资组合优化问题,用 Python 写成,打包成 Docker 应用。你可以在浏览器里打开它,什么都不用安装。仓库里还有源码、一个静态文件夹、测试和日志配置,所以你可以构建自己的副本。

适合谁:它适合想看看投资组合优化问题实际运行的人,也适合想读一个 Docker 加 Python 项目的开发者。

行业 | 谁在用 | 怎么用 | 例子
金融 | 分析师和学生 | 打开托管应用,看投资组合优化问题实际运行 | 看看一个求解器演示是怎么呈现的
软件 | Python 开发者 | 阅读一个求解器项目的源码、测试和 Dockerfile | 复制这个项目的结构做自己的演示
教育 | 优化课程的老师 | 把运行中的演示当作课堂例子 | 在共享屏幕上展示这个演示

如果你需要一个管理真实投资组合的工具,可以跳过它,因为它的来源只把它称为一个问题演示。

用在哪里:

  • 网页浏览器:在 Hugging Face 上打开这个 Space 页面。它在那里运行在 cpu-basic 硬件上。
  • 装有 Docker 的 Windows、macOS 或 Linux:自己构建镜像并运行。
使用场景 | 谁用 | 能得到什么
试用演示 | 任何人 | 浏览器里运行的投资组合优化应用
阅读项目 | 开发者 | 源码、测试、Dockerfile 和日志配置
运行私有副本 | 开发者 | 一个监听 8080 端口的容器

如何设置:使用托管页面不需要你做任何准备。本地副本需要先备好下面这些东西。

  • Windows、macOS 或 Linux 上的 Docker。
  • Python 和 pip,用来通过 hf 命令下载文件。
  1. 用 pip 安装 huggingface_hub 包。
  2. 用 hf 命令把这个 Space 的文件下载到一个文件夹里。
  3. 进入这个文件夹。
  4. 用 Dockerfile 构建 Docker 镜像。
  5. 运行镜像并映射 8080 端口。
pip install -U huggingface_hub
hf download blackopsrepl/portfolio-optimization-python --repo-type space --local-dir portfolio-optimization-python
cd portfolio-optimization-python
docker build -t portfolio-optimization-python .
docker run -it -p 8080:8080 portfolio-optimization-python

如何使用:在线使用时,打开 Space 页面。在自己的电脑上,运行上面最后两条命令,然后在浏览器里打开 8080 端口。仓库对应用的操作说得不多,所以请直接看页面本身。

工具 | 作用
docker build | 用文件夹里的 Dockerfile 构建镜像
docker run | 启动容器并映射 8080 端口
src | 存放源码
tests | 存放项目的测试

示例:你下载这个 Space,构建镜像,并映射 8080 端口运行它。然后在浏览器里打开那个端口,投资组合优化演示就会从你自己的机器上加载出来。

新手与专家:如果你是新手,先打开托管页面。它什么都不用安装,你可以看看这个问题是怎么展示的。之后再试本地构建。

如果你熟悉这个领域,这是一个 8080 端口的 Docker Space,src 里有 Python 代码,另有 pyproject.toml、一个静态文件夹、一个 logging.conf 和一个测试文件夹。它运行在 cpu-basic 硬件上。仓库没有描述求解器的模型或约束。

打开 Space 或构建镜像
Docker 容器在 8080 端口启动
你在浏览器里打开应用

注意事项:README 只有一行,所以问题本身的细节没有在那里记录。

  • License: apache-2
  • Cost to run: none named
  • Data it reaches: none named
  • Needs: 本地副本需要 Docker

Hugging Face 上的数据(2026年11月13日)

  • 点赞:2
  • 构建方式:docker
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/blackopsrepl/portfolio-optimization-python
  • 文件:https://huggingface.co/spaces/blackopsrepl/portfolio-optimization-python/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

财务类的相似商品

查看财务类的全部商品

Kronos-mini

NeoQuasar · 工具包

用一个 4.1M 参数、基于 45 多家交易所数据训练的基础模型来预测金融 K 线序列。适合想用小模型做价格预测实验的量化研究人员和开发者。

新上架

一个归档发票的 n8n 工作流。它盯着一个 Google Drive 文件夹,把每个新文件交给 LlamaParse 读取,再由 OpenAI 模型取出明细行,Airtable 里得到一条发票记录和每个明细行各一条记录。

新上架免费