Question

上下文：我是python投资组合优化库PyPortfolioOpt的开发人员，我正试图允许用户为最大Sharpe比率问题添加约束。

当前，用户可以将其约束作为lambda函数传递，例如，使所有权重大于1％：

ef = EfficientFrontier(mu, S)  # mu and S are expected return and covariance
ef.add_constraint(lambda w: w >= 0.01)  # example new constraint
ef.min_volatility()  # optimise with constraint

在后端，我将cvxpy变量w = cp.Variable(n)传递给约束lambda函数，以创建有效的cvxpy约束，然后将其传递给cp.Problem并解决。

我遇到的麻烦是最大化Sharpe比率需要您进行变量替换。形式为Ax ~ b的约束（其中~表示相等或不相等）必须变为Ax ~ k * b，其中k是非负优化变量。

我尝试的一件事是将w / k传递给lambda函数。然后，这将导致约束w / k >= 0.01，我希望该约束等效于w >= k * 0.01，但可悲的是，这给出了：

DCPError: Problem does not follow DCP rules. Specifically:
The following constraints are not DCP:
0.01 <= var2817 / Promote(var2818, (20,)) , because the following subexpressions are not:
|--  var2817 / Promote(var2818, (20,))

然后，我认为我也许可以采用非线性约束constr = (w / k >= 0.01)并将其乘以k来得到k * constr = (w >= 0.01 * k)，但是不能在cvxpy中乘以约束。

TL; DR：如何将表示w / k >= 0.01的cvxpy约束对象（已实例化）转换为表示w >= k * 0.01的cvxpy约束对象？

或者失败了，我有什么办法可以重新设计它？我想保留lambda函数API。

Answer 1

也许有一些API可以分解已经实例化的约束，以便我可以放入变量？

约束在设计上是不可变的。不变性简化了CVXPY的大部分逻辑。

为什么不构造新的约束？您当然可以检查约束的左侧和右侧。现在，可以通过检查args属性（请参见https://github.com/cvxgrp/cvxpy/blob/master/cvxpy/constraints/nonpos.py#L97）来完成此操作。

cvxpy：将非线性约束转换为等效线性约束

1 个答案: