有没有树形模型的优化方法？

Question

我有2个三叉树，分别是股价和对冲比率。picture of stock price。

• 列代表步骤（年）

• 行代表可能的结果

所以

• share_price [0,1]

• share_price [1,1]

• share_price [2,1]

  是share_price[0,0]的3种可能结果。

对于hedge_ratios_tree，这只是目前所有0s的另一张三叉树图片。如图所示，两棵树都只在树的对角线上包含数据。

我正在寻找通过对冲/返利获得的最大对冲现金流量。首先，我建立一个现金流树作为其他两棵树的相同格式 现金流的产生方式如下：

• 对于前三个节点，只需减去其根音的对冲 比率
• 然后乘以相应的股价。
• 例如，第二列的前3个音符将是 减去第一列中的第一注

这就是三叉树的工作方式。

例如

cash_flow_tree[0,0]=hedge_ratio_tree[0,0]*share_price_tree[0,0]
cash_flow_tree[0,1]=(hedge_ratio_tree[0,1]-hedge_ratio_tree[0,0])*share_price_tree[0,1]

在所有对冲活动之后，我正在寻找最大的现金流量和最佳的对冲比率树。即SUM(cash flow)。我已经在excel solver中完成了此操作，还尝试了同时使用python转换为pulp and scipy solver的代码，但是这两个软件包似乎并不能解决逐步 >像树模型一样优化。因此，我想问一下是否有任何建议可以在python中进行？