做一次资产配置不难，难的是在回测里换日期、换参数，再做成千上万次。传统 Python 工具往往逐次调用 CPU，循环和调度本身就会拖慢计算。开源库 Jaxfolio 想解决的正是这类重复劳动：把组合优化——在收益、风险和持仓约束之间计算资产权重——搬到 GPU 或 TPU 等加速器上。
它原生基于 JAX——一个可把数值运算交给 XLA 编译的 Python 框架。最值得注意的是 vmap 向量化：它把结构相同的任务合并成一次批量运算，而不是在 Python 循环中逐个求解。开发者称，这可同时计算数千个滚动有效前沿，也就是不同风险收益取舍下的组合方案。Jaxfolio目前支持 Mean-Variance、Risk Parity 和 Black-Litterman，并允许把优化器嵌入深度学习训练流程，因为代码可以自动计算梯度。不过，帖子没有披露基准环境和具体提速数字；计算更方便，也不等于策略估计更稳健或实际可交易。