CVXPY:如何最大化两个向量的点积
CVXPY:如何最大化两个向量的点积
提问于 2021-05-15 19:05:16
假设我们有三个特征，每个特征有252个样本。这里，特征是三种不同股票的回报。目标是最大化总回报，即，
我的问题是如何在CVXpy优化问题中定义这个目标函数？
程序的过程视图应该如下所示：
import numpy as np
import cvxpy as cvx;
return1 = np.random.normal(loc=0.05, scale=0.25, size=252)
return2 = np.random.normal(loc=0.01, scale=0.2, size=252)
return3 = np.random.normal(loc= -0.05, scale=0.15, size=252)
returns = np.array([return1, return2, return3])
# number of stocks m is number of rows of returns
m = returns.shape[0]
# x variables (to be found with optimization)
x = cvx.Variable(m)
# portfolio return
portfolio_return = cvx.multiply(returns, x)
#objective function
objective = cvx.Minimize(-portfolio_return)
#constraints
constraints = [x >= 0, sum(x) == 1]
#use cvxpy to solve the objective
cvx.Problem(objective, constraints).solve()
#retrieve the weights of the optimized portfolio
x_values = x.value
print(x_values)但是，它会返回一个错误：
ValueError: Cannot broadcast dimensions (3, 252) (3,)当我们将x表示为x = cvx.Variable(shape=(m,1))时，我们会得到另一个错误
ValueError: The 'minimize' objective must resolve to a scalar.Python版本: 3.8.8
CVXPY版本: 1.1.12
回答 1
Stack Overflow用户
回答已采纳
发布于 2021-05-22 01:25:41
多亏了cvxpy社区，我重新表述了这个问题，现在它运行起来没有错误。
import numpy as np
import cvxpy as cvx;
return1 = np.random.normal(loc=0.05, scale=0.25, size=252)
return2 = np.random.normal(loc=0.01, scale=0.2, size=252)
return3 = np.random.normal(loc= -0.05, scale=0.15, size=252)
returns = np.array([return1, return2, return3])
m = returns.shape[0]
cov = np.cov(returns)
x = cvx.Variable(m)
portfolio_return = returns.mean(axis=1)
objective = cvx.Maximize(x @ portfolio_return)
constraints = [x >= 0, sum(x) == 1]
cvx.Problem(objective, constraints).solve()
x_values = x.value
x_values.round(2)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/67546018
复制相关文章
相似问题
腾讯云开发者
