[英]optimization with python cvxopt
我正在尝试使用 Python 的 cvxopt 最小化投资组合方差。 然而,经过多次尝试,它似乎并不奏效。 函数和我的代码以及错误粘贴在下面。 感谢您的帮助!
目标函数:min x.dot(sigma_mv).dot(xT)
约束条件全部为x>=0, sum(X) = 1
sigma_mv是800*800的协方差矩阵,dim = 800
dim = sigma_mv.shape[0]
P = 2*sigma_mv
q = np.matrix([0.0])
G = -1*np.identity(dim)
h = np.matrix(np.zeros((dim,1)))
sol = solvers.qp(P,q,G,h)
Traceback (most recent call last):
File "<ipython-input-47-a077fa141ad2>", line 6, in <module>
sol = solvers.qp(P,q)
File "D:\spyder\lib\site-packages\cvxopt\coneprog.py", line 4470, in qp
return coneqp(P, q, G, h, None, A, b, initvals, kktsolver = kktsolver, options = options)
File "D:\spyder\lib\site-packages\cvxopt\coneprog.py", line 1822, in coneqp
raise ValueError("use of function valued P, G, A requires a "\
ValueError: use of function valued P, G, A requires a user-provided kktsolver
您同时具有相等和不等式约束,因此您需要向内置 qp 求解器提供所有参数 Gx <=h Ax=b
这里 x>=0 可以写成 -x<=0 所以,G 矩阵看起来像 -1*(Identity matrix) 而 h 将是一个 0 向量 同样,你的 A 将是一个单位矩阵,b 将是一个单位向量(所有元素=1)
最后,解决表达式应该是这样的:
sol=solvers.qp(P, q, G, h, A, b)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.