蟒蛇 - 优化与真/假限制

我目前的工作在Python中的约束优化问题，而我能够制定我的问题，我得到以下错误：“在LSQ子问题奇异矩阵C”。蟒蛇 - 优化与真/假限制

我相信这是因为我的两个约束（平等）是不连续的或别的东西，涉及到他们，因为优化工作没有他们。

一个例子如下所示：

vol_tgt = 0.1

sign_vec =

---------------+----+ 
| XLK US Equity | 1 | 
| XOP US Equity | 1 | 
| KRE US Equity | 1 | 
| KBE US EQUITY | 1 | 
| XLK US EQUITY | 1 | 
| XLE US EQUITY | 1 | 
| XLF US EQUITY | 1 | 
| XRT US EQUITY | 1 | 
| XLU US EQUITY | 1 | 
| XLY US EQUITY | 1 | 
| XLV US EQUITY | 1 | 
| STS FP EQUITY | 1 | 
| STR FP EQUITY | 1 | 
| STZ FP EQUITY | 1 | 
| STW FP EQUITY | 1 | 
| STQ FP EQUITY | 1 | 
| STN FP EQUITY | -1 | 
+---------------+----+

return_vec =

+---------------+--------------+ 
| XLK US Equity | 0.005951589 | 
| XOP US Equity | 0.024262624 | 
| KRE US Equity | 0.007112154 | 
| KBE US EQUITY | 0.003097968 | 
| XLK US EQUITY | 0.005951589 | 
| XLE US EQUITY | 0.019948716 | 
| XLF US EQUITY | 0.003813095 | 
| XRT US EQUITY | -0.001202198 | 
| XLU US EQUITY | 0.003021156 | 
| XLY US EQUITY | 0.002821742 | 
| XLV US EQUITY | 0.004961415 | 
| STS FP EQUITY | 0.000827929 | 
| STR FP EQUITY | 0.005422823 | 
| STZ FP EQUITY | -0.003453351 | 
| STW FP EQUITY | -0.001449392 | 
| STQ FP EQUITY | 0.015776843 | 
| STN FP EQUITY | 0.000937061 | 
+---------------+--------------+

的代码如下：

### define necessary functions ### 
def optimization_function(weights,returns , vol_tgt, signs) : 
    return - np.sum(np.log(np.abs(weights))) #multiply by -1 since we wish to maximize but we give the problem 
     #to a minimizer 

def portfolio_vol(weights,returns , vol_tgt, signs) : # inequality 
    portf_return = np.dot(weights.T,returns) 
    return np.sqrt(portf_return) - vol_tgt 

def absolute_exposure(weights,returns , vol_tgt, signs) : 
    return np.sum(np.abs(weights)) - 1 

def positive_weights(weights,returns , vol_tgt, signs) : 
    return float(np.sum(weights[signs == 1] <= 0)) 

def negative_weights(weights,returns , vol_tgt, signs) : 
    return float(np.sum(weights[signs == -1] >= 0)) 

weights = sp.fmin_slsqp(optimization_function,lol,args=(return_vec,vol_tgt,sign_vec,), 
            ieqcons = [portfolio_vol,],eqcons=[absolute_exposure,positive_weights,])

麻烦的功能是positive_weights和negative_weights。没有他们，我没有问题。有没有办法来解决这个问题？

预先感谢您。

来源

2015-11-19 Artur Silva

它似乎更自然地代表那些为不等式约束。例如，'return weights [signs == 1] .min（）'并且约束它是非负的。（除非重量0和重量1e-308之间的区别实际上非常重要，在这种情况下，我想你可以在返回之前减去一小部分。） – user2357112

@ user2357112谢谢！很好的思想！ –

将这些表示为不等式约束似乎更自然。例如，return weights[signs == 1].min()并将其限制为非负。（除非重0和重量1E-308之间的区别实际上是至关重要的，在这种情况下，我想你可以返回之前减去极少数。） - user2357112

来源

2016-02-25 07:45:02 Armali

蟒蛇 - 优化与真/假限制

回答

相关问题