Mosek-Markowitz投资组合交易成本-Python Fusion

我试图更好地理解mosek优化器的各个部分是如何工作的，但无法完全理解以下约束等的逻辑

它有以下代码：

n = 3
x0 = [-20.0, -50.0, -10.0]
t = [0.01, 0.01, 0.01]

TC = flattenBook(n, x0, t)

def flattenBook(n, x0, t):
    M = Model("Simple Portfolio")
    M.setLogHandler(sys.stdout)

    ## can be long and short
    x = M.variable("x", n, Domain.unbounded())

    ## helper variable for buy/sell positions
    z = M.variable("z", n, Domain.unbounded())

    ## find long positions
    l = M.variable("l", n, Domain.greaterThan(0.0))
    M.constraint('long1', Expr.sub(l,x0), Domain.greaterThan(0.0))

    M.constraint('buy',  Expr.sub(z,Expr.sub(x,x0)),  Domain.greaterThan(0.0))
    M.constraint('sell', Expr.sub(z,Expr.sub(x0,x)),  Domain.greaterThan(0.0))

    M.constraint("longeqshort",  Expr.sum(x), Domain.equalsTo(0.0))
    M.objective('obj', ObjectiveSense.Minimize, Expr.dot(z, t))

    M.solve()
    if True:
        print "x:"
        print x.level()

结果如下：

[60.0, -50.0, -10.0]

这些都是正确的，但是有人能确认l变量的逻辑吗。我的理解是，long1约束迫使l仅为x0数组中的正值，对吗？如果是，为什么

---

根据Mosek网站上的示例，我从交易成本的买入/卖出约束中得出了这个逻辑。

不要在第1行定义n$n$就是len（x0）。你的逻辑很难理解。你似乎有一个初始位置x0，并试图从那里移动到x。这个新的位置应该是中性的（总和x=0），并且您尝试以尽可能便宜的方式（最小z'*t）到达那里。您已经定义了z=abs（x-x0）。变量l在这里有点奇怪。您可以注释掉这两行，而无需更改任何内容。还请注意，您的问题没有唯一的解决方案。你需要买80才能得到总和（x）=0。目前，您在第一个资产中从-20变为+60。但是你也可以在第三个资产中从-10增加到+70，或者在第一个资产中增加+40，在第三个资产中增加+40，等等。。。。。在移动过程中，您必须修改t或实施一些平衡