Question

要优化的功能：

def optimize(allocs, allStocksNormalized):
    allocs = allStocksNormalized * allocs
    postvalues = allocs * startvalue
    portfolioValues = postvalues.sum(axis=1)
    cumulativeReturns = (portfolioValues[-1] / portfolioValues[0]) - 1
    return cumulativeReturns*-1

通话功能：

allocsGuess = [0.3,0.3,0.3,0.1]

cons = ({'type': 'eq', 'fun' : lambda inputs: 1 - (np.sum(abs(inputs)))})

bnds = [(0.0, 1.0), (0.0, 1.0), (0.0, 1.0), (0.0, 1.0)]

min_cum_return = optimizer.minimize(optimize, allocsGuess, args=(allStocksNormalized,) ,
                                   method='SLSQP',  bounds=bnds, constraints=cons,
                                    options={'disp': True})

print("X = {}, Y = {}".format(min_cum_return.x,min_cum_return.fun))

现在返回这样的结果 -

X = [  3.47499807e-14   1.00000000e+00   0.00000000e+00   0.00000000e+00], Y = -14.500342231347526

我想要以下条件的约束 -

分配数组（X）中的每个值应介于0.0和0之间。 1.0（我在这里使用边界）
数组X的绝对值之和应该恰好等于1.0（我使用约束来表示）

正如我们所看到的，我从X数组得到的结果不符合任何一个标准。

如何改善这一点以使其有效？

Answer 1

尝试以下操作：

bnds = ((0.0, 1.0), (0.0, 1.0), (0.0, 1.0), (0.0, 1.0))

绑定应该是一个元组

Python Scipy Optimizer最小化：约束和边界没有按预期工作，如何使其工作？

1 个答案: