Question

我正在尝试优化一系列函数的参数，以便最好地匹配一组数据。

当我执行脚本时，对于某些循环，该函数正常工作，对于某些循环，我得到以下消息：

script.py:37：runtimeWarning：在double_scalars中遇到溢出   h.append（X [2] + X [0] * E [I] ** 2 + X [1]的 H [I]）
  C：\ Users \ ... \ Anaconda2 \ lib \ site-packages \ scipy \ optimize \ optimize.py:628：RuntimeWarning：double_scalars中遇到无效值   grad [k] =（f（（（xk + d，）+ args）） - f0）/ d [k]

我无法解决它，因为它似乎不是来自我，因为该函数适用于某些数据集而不适用于其他数据。我不认为这是数据格式的问题，因为它是.txt文件上的所有数字。更奇怪的是，有时候函数适用于一组数字，但不适用于同一组的子集。

有什么想法吗？

代码如下。我在Windows 8上使用python 2.7.12。

from numpy import *
from scipy import stats
from scipy import optimize
from math import *

#Get the data

price=loadtxt("DAX.txt")

#define arrays for return and excess return

r=[]
subr=[]
e=[]
optimparams = []
listsuml=[]

#calculate return

for i in range(len(price)-1):
    r.append(log(price[i+1]/price[i]))



def sumloglikelihood (x):

    #define function parameters 

    h=[]
    z=[]
    l=[]


    h.append(sigma**2)

    for i in range(999):
        h.append(x[2]+x[0]*e[i]**2+x[1]*h[i])


    for i in range(1000):
        z.append(e[i]/sqrt(h[i]))
        l.append(-0.5*(log(2*math.pi)+log(h[i])+z[i]**2))

    #sum of log likelihoods

    suml=0

    for i in range(1000):
        suml=suml+l[i]

    suml=-suml

    return suml

#for j in range (len(r)-1000):
for j in range (1):

    del subr[:]
    del e[:]

    for i in range(1000):
        subr.append(r[j+i])


    #calculate some stats about the return

    mu=mean(subr)
    sigma=std(subr)

    #calculate the excessive return

    for i in range(1000):
        e.append(subr[i]-mu)


    params=[.06,.92]
    params.append(sigma**2*(1-params[0]-params[1])) 

    #define the function to be minimized



    #optimise the function and print the sum of log likelihoods with the new parameters

    xxx=optimize.minimize(sumloglikelihood,params,method='L-BFGS-B',bounds=((.000001,3),(.000001,3),(.000001,3)))

    optimparams.append(xxx.x)
    listsuml.append(sumloglikelihood(optimparams[j]))




print optimparams
print listsuml


savetxt("optimparamsDAX.txt",optimparams)
savetxt("listsumlDAX.txt",listsuml)

scipy.optimize中的Python double_scalar溢出

0 个答案: