■ 概要 scikit-learn 互換の API を備えた Python ポートフォリオ最適化ライブラリで、資産配分・因子モデル・リスク管理を統一的に実装。 ■ 特徴・用途 Naive・凸最適化・HRP・CVaR など複数の最適化手法を備え、Ledoit-Wolf や graphical lasso による共分散推定、Black-Litterman フレームワーク、vine copula ストレステストなど実務的な手法を搭載。GridSearchCV での超パラメータ調整や walk-forward 検証など、金融特有のクロスバリデーション対応により、データリークの心配なく堅牢なモデル構築が可能。 ■ 結論 平均分散最適化の既知の課題（ウェイト集中・アウトオブサンプル劣化）に正面から取り組み、scikit-learn エコシステムとの統合を実現した実務的な選択肢。