下面的一系列示例突出了财务工具箱™中的Portfolio对象的特性。具体来说，这些例子使用Portfolio对象来展示如何建立集中于双基金定理的均值-方差投资组合优化问题，交易成本和周转约束的影响，如何获得夏普比率最大化的投资组合，以及如何建立两种流行的对冲基金策略——美元中性和130-30投资组合。

演示如何优化投资组合，以最大化相对于市场基准的信息比率。

使用MATLAB®实现的回溯测试框架执行投资组合策略的回溯测试。回溯测试是比较投资策略在历史或模拟市场数据上的表现的有用工具。这个例子提出了五种不同的投资策略，然后比较了它们在一年的历史股票数据之后的表现。回测框架在两个MATLAB®类中实现:backtestStrategy和backtestEngine。

对将投资信号纳入其交易策略的投资组合策略进行回溯测试。术语信号包括策略作者需要在资产历史价格之外做出交易决策的任何信息。这些信息可以包括技术指标、机器学习模型的输出、情绪数据、宏观经济数据等。这个例子使用了三种基于衍生信号数据的简单投资策略:

使用深度学习模型构建交易策略，然后在金融工具箱™回测框架中回测策略。该示例使用深度学习工具箱™从一组时间序列训练一个预测模型，并演示了将模型输出转换为交易信号所需的步骤。它建立了各种交易策略，回溯测试5年期间的信号数据。

使用Portfolio对象进行组合优化，其中包括衡量公司董事会中女性比例的社会绩效指标。同样的工作流程也可以应用于其他环境、社会和治理(ESG)标准，例如ESG评分、气候评分或温度评分。

投资组合中资产多样化的三种技巧。资产多元化的目的是平衡投资组合对任何特定资产的风险敞口，以减少一段时间内的波动。鉴于最小方差投资组合对协方差矩阵估计的敏感性，一些从业者在投资组合选择中加入了多样化技术，希望将成交量、最大回款等方差措施之外的风险措施最小化。

使用riskBudgetingPortfolio创建一个风险预算组合和portfolioRiskContribution来计算组合中资产的风险贡献。

使用回溯测试，以风险平价或平等风险贡献策略，作为基于风险的指标化，大约每月重新平衡一次。在这个例子中，您使用回溯测试引擎(backtestEngine)来创建风险均等策略，即在每个再平衡时期，投资组合中的所有资产对投资组合的风险贡献相同。

计算分层风险平价(HRP)投资组合。您可以使用HRP作为投资组合多样化的技术，其中资产根据分层树结构进行划分和加权。可以通过多种方式分配集群内和集群之间资产的权重。分配权重的一些方法是:

使用深度学习模型构建交易策略，然后在金融工具箱™回测框架中回测策略。该示例使用深度学习工具箱™从一组时间序列训练一个预测模型，并演示了将模型输出转换为交易信号所需的步骤。它建立了各种交易策略，回溯测试5年期间的信号数据。

使用Portfolio对象构建10年、20年和30年国债的最佳投资组合，持有期限为一个月。整个资产配置流程的工作流程为: