2

我正在尝试使用极端优化例程在 C# 中创建风险平价投资组合。

在我购买它们之前，我主要是在试穿它们，看看我是否喜欢它们（我是学生，所以钱很紧）。

我的想法是实施这种称为风险平价的新型投资组合优化。它基本上说，为了使您的投资组合多样化，您应该为其每个组成部分赋予相同的风险。

运行 np1.Solve() 时出现空错误，我不明白为什么。我以为其他的一切都是由极限优化计算出来的。
1.我做错了什么？
2. 有没有一种我不知道的更快的方法来进行这种优化？
3. 如果你不知道 EO 库，但可以用 C# 中的其他东西来实现它，你能否就如何解决这个问题发表评论？

顺便说一下，投资组合构建的详细信息在距离函数的注释中，以防您感兴趣。

最好的问候，
爱德华多

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using Extreme.Statistics;
using Extreme.Mathematics;
using Extreme.Mathematics.Optimization;

namespace TestingRiskParityOptimization
{
    class Program
    {

        static void Main(string[] args)
        {

            NonlinearProgram np1 = new NonlinearProgram(2);
            Func<Vector, double> distance = DistanceFunction;
            np1.ObjectiveFunction = distance;
            np1.InitialGuess = Vector.CreateConstant(2, 1.0 / ((double)2));

            np1.AddNonlinearConstraint(x => x[0] + x[1], ConstraintType.GreaterThanOrEqual, 0);
            Vector solution = np1.Solve();

            Console.WriteLine("Solution: {0:F6}", solution);
            Console.WriteLine("Optimal value:   {0:F6}", np1.OptimalValue);
            Console.WriteLine("# iterations: {0}", np1.SolutionReport.IterationsNeeded);

            Console.Write("Press Enter key to exit...");
            Console.ReadLine();

        }

        private static double DistanceFunction(Vector Weights)
        {
            Matrix Sigma = Matrix.Create(new double[,] {
                  {0.1, 0.2},
                  {0.2, 0.4}
                });
            // if VarP = Weights' * CovarMatrix * Weights and VolP = sqrt(VarP)
            // Then the marginal contribution to risk of an asset is the i-th number of
            // Sigma*Weights*VolP
            // And thus the contribution to risk of an asset is simply Weights . (Sigma*Weights/VarP)
            // we need to find weights such that Weights (i) * Row(i) of (Sigma*Weights/VarP) = 1/N

            // that is we want to minimize the distance of row vector (Weights (i) * Row(i) of (Sigma*Weights/VarP)) and vector 1/N

            double Variance = Vector.DotProduct(Weights, Sigma * Weights);

            Vector Beta = Sigma * Weights / Variance;

            for (int i = 0; i < Beta.Length; i++)
            {
                // multiplies row of beta by weight to find the percent contribution to risk
                Beta[i] = Weights[i] * Beta[i];
            }

            Vector ObjectiveVector = Vector.CreateConstant(Weights.Length, 1.0 / ((double)Weights.Length));
            Vector Distance = Vector.Subtract(Beta, ObjectiveVector);

            return Math.Sqrt(Vector.DotProduct(Distance, Distance));

        }
    }
}
4

1 回答 1

1

如果目标函数计算抛出，我强烈建议您通过调试器运行代码以识别抛出代码的确切位置。我的第一个赌注是由于向量大小不匹配而发生错误，例如在矩阵向量乘法中。如果您找到了这个错误的根源，那么优化很可能会顺利运行。

如果您想尝试替代算法，则可能需要查看以下解决方案之一。它们都支持（非）线性约束的规范，并且没有必要提供目标函数和约束梯度。

  • Microsoft Solver Foundation (msdn.microsoft.com/en-us/devlabs/hh145003.aspx)，Microsoft 的数学优化平台
  • Funclib，它使用 Ipopt 作为 NLP 求解器
  • Cscobyla，COBYLA2 算法的 C# 端口，支持非线性约束的直接搜索算法 (cf Nelder-Mead)
于 2012-07-18T16:48:24.200 回答