Question

我正在研究一个非常简单的优化（线性）问题，这个问题在excel上非常容易，但是当我用R＆＃39的optim（）或optimize（）尝试它时会给出不同的值。该函数是获得风险规避系数。 wc是受访者的答案，尽管我自己给予了价值。

p <- 0.3
w1 <- 2.0
w2 <- 0.0
mean <- p*w1+(1-p)*w2
variance <- p*w1^2+(1-p)*w2^2-mean^2
wc <- 0.4

f<- function(x){(abs(mean-wc+0.5*x*variance))}
initial_x <- c(0.1)
x_optimal <- optim(initial_x, f, method="CG")
x_min <- x_optimal$par
x_min
[1] -0.4761905

目标函数只是一个变量的线性方程，所有其他变量都已确定。当我用Excel求解器计算它时，x的最佳值是0.4761905（是的，只有没有减号的数字完全相同）。

我也尝试了其他方法，如布伦特＆＃39; SANN＆＃39;但他们给了我完全不同的价值观。我听说optimize（）函数用于线性优化，所以我也尝试了它，但也给了我错误的值。你能告诉我原因吗？

谢谢！

Answer 1

您没有详细说明如何在Excel中执行计算，但这些似乎是错误的，而不是R.为了说明：

x <- (-1000:1000)/1000
plot(x,f(x))

显示最小值接近-0.5。您也可以通过将f（x）^ 2的导数设置为零来解析问题，从而得到(wc-mean)/(0.5*variance)的解。

请注意，优化器之间的差异很小，几乎可以肯定通过减少容差或增加迭代次数来减少。

optim(initial_x, f, method="CG")$par
#[1] -0.4761905
optim(initial_x, f, method="Brent",lower=-10, upper=10)$par
#[1] -0.4761905
optim(initial_x, f, method="SANN")$par
#[1] -0.475279
optimize(f,c(-10,10))$minimum
#[1] -0.4761772

R中的Optim（）为Excel Solver插件

1 个答案: