Question

我正在尝试复制以下代码（基于@EnricoSchumann的R中的财务优化）但我收到以下错误。该代码试图用基数约束来解决Markowitz模型。此外，它还试图将最小权重（winf）的值约束为非零。

错误：

Error in sample.int(length(toSell), size = 1L) : invalid first argument

代码

library(NMOF)
resample <- function(x,...) x[sample.int(length(x),...)]
data <- list(m = colMeans(fundData), ## expected returns
             Sigma = cov(fundData),  ## expected var of returns
             na = dim(fundData)[2L], ## number of assets
             eps = 0.2/100,          ## stepsize for LS
             winf = 0.03,               ## minimum weight
             wsup = 0.5,               ## maximum weight
             lambda = 1)
cat("The Portfolio will consist of at least ", ceiling(1/data$wsup), 
    " assets. \n", sep = "")

OF <- function(w, data){
  data$lambda * (w %*% data$Sigma %*% w) -
    (1 - data$lambda) * sum(w * data$m)
}

neighbour <- function(w, data){
  toSell <- which(w > data$winf)
  toBuy <- which(w < data$wsup)
  i <- toSell[sample.int(length(toSell), size = 1L)]
  j <- toBuy[sample.int(length(toBuy), size = 1L)]
  eps <- runif(1) * data$eps
  eps <- min(w[i] - data$winf, data$wsup - w[j], eps)
  w[i] <- w[i] - eps
  w[j] <- w[j] + eps
  w
}


#Initial Random Solution 
makex<-function(data){
  resample <- function(x,...)
    x[sample.int(length(x),...)]
  w0 <- numeric(data$na)
  nAssets <- resample(ceiling(1/data$wsup):data$na,1L)
  w0[sample(seq_len(data$na),nAssets)] <- runif(nAssets)
  w0/sum(w0)
}
w0 <- makex(data)
algo <- list(x0 = w0, neighbour = neighbour, nS = 5000L)
system.time(sol1 <- LSopt(OF, algo, data))

欢迎提出建议！

Answer 1

您需要一个不同的邻域函数来实现您想要的，或者实现约束的不同方式。

要确定邻居不起作用，请设置

w0 <- numeric(data$na)
w0[1:2] <- 0.5

什么是有效的远离这个投资组合的举动？该函数将减少两个权重中的一个。然后因为它们都会增加任何零重量满足w < data$wsup;但它会完全忽略您设置的winf。这不是一个错误功能，因为它从来没有意味着案件 winf > 0。

强制执行最大基数的社区是提供 Remarks on 'A comparison of some heuristic optimization methods'

但可能最简单的方法就是做到这一点两步优化：在外部优化中，你只需选择要放入的资产投资组合。（例如，请参阅 Asset selection with Local Search）。然后，对于给定的资产选择，解决您的问题均值 - 方差问题。

R：sample.int（）：NMOF包中的错误

1 个答案: