Python 最大资产数约束下的Cvxpy投资组合优化
我正在使用Python 最大资产数约束下的Cvxpy投资组合优化,python,optimization,portfolio,cvxpy,Python,Optimization,Portfolio,Cvxpy,我正在使用cvxpy库来执行投资组合优化。 但是,我不想使用,而是想介绍其中yi变量是一个二进制变量,如果资产I包含在投资组合中,则该变量的值为1,否则为0m是我希望包含在投资组合中的最大资产数量r是我想要得到的回报 马科维茨模型(对收益有约束)如下所示: import numpy as np import pandas as pd from cvxpy import * # assets names tickers = ["AAA", "BBB", &
cvxpy
库来执行投资组合优化。
但是,我不想使用,而是想介绍其中yi
变量是一个二进制变量,如果资产I包含在投资组合中,则该变量的值为1,否则为0m
是我希望包含在投资组合中的最大资产数量r
是我想要得到的回报
马科维茨模型(对收益有约束)如下所示:
import numpy as np
import pandas as pd
from cvxpy import *
# assets names
tickers = ["AAA", "BBB", "CCC", "DDD", "EEE", "FFF"]
# return matrix
ret = pd.DataFrame(np.random.rand(1,6), columns = tickers)
# Variance_Coviariance matrix
covm = pd.DataFrame(np.random.rand(6,6), columns = tickers, index = tickers)
# problem setting
x = Variable(len(tickers)) # xi variables
er = np.asarray(ret.T) * x # expected return
min_ret = 0.2 # minimum return
risk = quad_form(x, np.asmatrix(covm)) # risk
prob = Problem(Minimize(risk), # problem setting function
[sum(x) == 1, er >= min_ret, x >= 0])
prob.solve()
这个问题的解决方案给出了每项资产的投资比例。但如果我想投资有限数量的资产m
,该怎么办?
为此,我需要实现yi
变量,并确保它们的和等于m
因此,应该是这样的:
x = Variable(n)
er = np.asarray(ret.T) * x
risk = quad_form(x, np.asmatrix(covm))
y = Variable(n, boolean=True) #adding boolean variables
prob = Problem(Minimize(risk), [sum(x) == 1, er >= min_ret, x >= 0, sum(y) == k, sum(x) <= sum(y)])
prob.solve()
print(x.value)
print(y.value)
x=变量(n)
er=np.asarray(ret.T)*x
风险=四元形式(x,np.A矩阵(covm))
y=变量(n,布尔值=真)#添加布尔值变量
prob=Problem(最小化(风险),[sum(x)=1,er>=min_-ret,x>=0,sum(y)=k,sum(x)简言之,您必须将变量x和y链接起来
在仅限长时间约束的情况下:
eps=1e-5
[-1+eps=买入阈值-1]
注意,这个问题是一个混合整数问题。
如果问题仍然很小,ECOS BB解算器可以解决这个问题。否则,您将需要一个商业级优化器