Skip to main content
 首页 » 编程设计

Python:使用 CVXOPT 进行二次规划

2025年05月04日7daizhj

我正在使用 CVXOPT 进行二次规划,以使用均值方差优化计算投资组合的最佳权重。 http://abel.ee.ucla.edu/cvxopt/userguide/coneprog.html#quadratic-programming 有一个很好的例子.但是,参数是正规化的形式(根据作者的说法)。该示例是基本版本。我希望解决一些更复杂的问题:

min: 
 
x'Sx   
 
s.t.: 
 
x'a >= g   
x'1 = 0   
x >= -Wb   
x <= c1 - Wb   
 
where: 
x: active weights of assets (active weight = portfolio weight - benchmark weight)   
S: covariance matrix of asset returns   
a: expected stock excess returns   
g: target gain   
Wb: weights of assets in the benchmark   
c: upper limit (weight) of any asset in the portfolio   

假设所有变量都已计算或已知。

文档中提供的基本示例:

min:   
 
x'Sx   
 
s.t.   
 
p'x >= g   
1'x = 1 

其中 p 是 Assets yield 。

不知道的地方(引用http://abel.ee.ucla.edu/cvxopt/examples/book/portfolio.html处的代码和上面的优化问题):

1.我认为这些参数设置了约束,但我不完全确定:

G = matrix(0.0, (n,n)) 
G[::n+1] = -1.0 
h = matrix(0.0, (n,1)) 
A = matrix(1.0, (1,n)) 
b = matrix(1.0) 

2.我相信这是“规范形式”中最小化问题的一部分,我不确定这是什么意思:

mus = [ 10**(5.0*t/N-1.0) for t in xrange(N) ] 

3.qp 的参数是什么(solver.qp 是二次优化器):

xs = [ qp(mu*S, -pbar, G, h, A, b)['x'] for mu in mus ] 

查看文档,我很确定 mu*S(第一个参数)是要最小化的目标函数,-pbar 是返回值。然而,这看起来像是一个最大化问题(最大化负返回)。

我不知道,但是如何使用其他参数。

鉴于我的最小化问题和上述约束,我正在寻求使用优化器的帮助。

请您参考如下方法:

我阅读了文档,我认为您必须使用具有以下参数的函数。我假设 x 的大小为 n:

P = S 
q = (0,....0) 
 
A = (1, ...... 1) 
b = (0) 

G 垂直堆叠自

 -a 
 +I_n 
 -I_n 

其中 I_n 是大小为 n x n 的单位矩阵。对应的右边h是

  -g 
  Wb 
  ... 
  Wb 
  C1-Wb 
  ... 
  C1-Wb 

即:一次-g,n次Wb和n次C1-Wb 。

HTH.