Python 3.x 使用scipy.optimize时，以及；SLSQP“；方法，最终结果保留在初始值上

这是一个资产配置的金融工程问题。有四种资产类别：股票、固定收益、CTA策略和相对价值策略。给出了它们的回归矩阵和协方差矩阵。因此，预计固定收益资产的权重将增加，股票的权重将减少，而不是初始权重

协方差矩阵（4*4矩阵）如下所示（以下代码中的C）：

因为0,1,2,3分别是“股票idx”、“CTA idx”、“相对价值idx”、“债券idx”

我正试图使用“风险平价”方法找到它们的最佳权重，这最终解决了方程：

!！[风险平价目标方程]

我使用了python中的scipy.optimize和“SLSQP”方法，这是唯一可以在求解过程中应用边界和约束的方法。然而，无论初始猜测是如何选择的，该机制都不起作用，总是返回初始猜测。代码如下：

def计算投资组合风险值（W，C）：
#计算投资组合风险的函数
sigma_p=np.sqrt（np.dot（np.dot（W.T，C），W））
返回sigma\u p
def计算风险贡献（W，C）：
MRC=np.点（C，W）#边际风险
RC=np.乘（W，MRC）#总风险
返回RC
def solve_weight（C，N）：#C是协方差矩阵，前面以sigma_p表示
def风险预算目标（W、C、N）：
W=np.矩阵（W）.T
sig_p=计算投资组合风险值（W，C）#投资组合西格玛
总风险=计算风险贡献（W，C）
风险目标=sig\U p/N
#误差平方和
J=总和（np.平方（总风险/信号-风险目标））
打印（“SSE”，J[0,0]）
返回J[0,0]
def总重量约束（x）：
返回np.和（x）-1.0
def long_only_约束（x）：
返回
w0=[0.1,0.2,0.3,0.4]
w0=np.矩阵（w0）.T
打印（'w0'，w0，w0.形状）
对于范围（N）内的i，b_uz=[（0,1.）]
c=（{'type'：'eq'，'fun'：lambda W:np.sum（W）-1.}）
优化=scipy.optimize.minimize（风险\预算\目标，w0，（C，N），方法='SLSQP'，约束=C，界限=b）
如果未优化。成功：引发BaseException（优化。消息）
w_rb=np.asmatrix（优化的.x）
返回w_rb

这似乎是一个数字精度问题，因为计算的成本函数的值非常小。解决这个问题有两种方法。或者将代价函数乘以某个标量，使其返回更大的值。 例如

J=sum（np.square（total_RC/sig_p-risk_target））*100

或将收敛公差设置为较小的值。默认值为1e-6

optimized = minimize(risk_budget_objective, w0, (C,N), method='SLSQP', constraints=c_, bounds=b_  , options ={'ftol':1e-8})

代码在进行更改后按预期工作。以下是输出

matrix([[0.04780104, 0.12432431, 0.19918203, 0.62869262]]) 

---

预期的结果是为固定收益资产分配更多的权重，而为股票分配更少的权重，而不是初始权重。你能提供可验证的代码吗。你的“C”和“N”矩阵是什么？此外，约束定义c_u的代码不完整。很抱歉，约束如下，粘贴错误：c_u=（{'type'：'eq'，'fun'：lambda W:np.sum（W）-1.}），c是协方差矩阵，它是前一上下文中的“sigma_p”，N是资产类别的编号，这里的N=4

matrix([[0.04780104, 0.12432431, 0.19918203, 0.62869262]])