Question

假设我具有以下功能：

import scipy
def fitness(w, assets, rf=0., dt='2016-12-30'):
    mu = float(ptf_mean(assets,w,dt))
    sigma  = float(ptf_var(assets,w,dt)) 

    sigma_sum = sigma.sum()

    util = -(mu - rf) / (sigma)   
    return util

并且：

b_ = [(0.,1.) for i in range(2)]
c_ = ({'type':'eq', 'fun': lambda w: sum(w)-1. }) 
optimized = scipy.optimize.minimize(fitness, np.matrix([1.,0.]), (assets, rf, dt), 
            method='SLSQP', constraints=c_,bounds=b_)

现在，假设我想约束sigma_sum。我该怎么做呢？我在文档中看到的所有约束示例在示例中仅变化x0或w。

我省去了定义assets，rf和dt的原因，因为它们实际上与问题无关，但假定代码已编译。

谢谢！

Answer 1

sigma_sum是w（和参数）的函数。约束意味着约束w以便sigma_sum满足某些条件。这涉及到有一个可调用的函数，它返回涉及sigma_sum的值，例如：

c2_ = ({'type':'eq', 'fun': lambda w: sigma_sum(w) - 42})

其中sigma_sum是由

定义的

def sigma_sum(w, assets, rf=0., dt='2016-12-30'):
    mu = float(ptf_mean(assets,w,dt))
    sigma  = float(ptf_var(assets,w,dt)) 
    return sigma.sum()

为避免代码重复，您可能希望在计算目标的函数中使用此sigma_sum。

scipy约束非x0参数

1 个答案: