Question

我正在尝试使用scipy minimize函数进行以下优化：

V = np.matrix(pd.read_csv('V.csv'))`

R = np.matrix(pd.read_csv('R.csv', index_col = 'Ticker'))`

w0= list()
for i in range(0, 84):
    w0.append(1/84)

def calculate_portfolio_var(w,V):
    w = np.matrix(w)
    return (w*V*w.T)[0,0]

cons = ({'type': 'eq', 'fun': lambda x:  np.sum(x)-1.0})
myBound = [(0, 1) for i in range(0, 84)]
res= minimize(calculate_portfolio_var, w0, args=V, method='SLSQP',constraints=cons, bounds = myBound)

其中V是方差-协方差矩阵，R是股票的年化收益系列。

除了2个约束（cons和myBound）之外，我还希望有一个附加约束，即结果投资组合收益（即结果权重和股票收益的加权平均值）等于一定数量，并且库存数量应小于等于一定数量。.

例如，它应该看起来像：

cons = ({'type': 'eq', 'fun': lambda x:  np.sum(x)-1.0},
        {'type': 'eq', PortfolioReturn = 10%,
        {'type': 'ineq', number of result stocks <= 40)

我对Scipy最小化不是很熟悉，如果有人可以帮助我，我将不胜感激。

Answer 1

那

constraints=({'type': 'eq', 'fun': lambda x:  np.sum(x) - 1.0},
             {'type': 'eq', 'fun': calculate_portfolio_var(x, V) - 0.1, 'args':V})

获得投资回报？对于结果库存的数量，您介意解释它与哪个变量相关吗？我的意思是，它看起来像是R，但是R在最小化问题中的任何地方都没有使用。

Answer 2

限制投资组合中工具数量的约束称为基数约束。这导致具有离散变量的模型。通常使用 MIQP （混合整数二次规划）求解器来解决这类投资组合模型。 MIQP解算器可轻松用于Python，但SciPy没有解算器。

关于Scipy的问题-最小化。添加其他约束

2 个答案: