1

我试图将 100 种证券的投资组合的差异最小化。

def portvol(w, x):
    return np.dot(w.T, np.dot(x, w))*252

covmat = annreturn.cov()
w0 = np.ones(len(covmat)) * (1 / len(covmat)) #equal weighting initially
bounds = ((0,1),) * len(covmat)
constraints =  {'fun': lambda i: np.sum(i)-1.0, 'type': 'eq'}
optweights = minimize(portvol, w0, args = (covmat), method = 'SLSQP', bounds = bounds, constraints = 
      constraints)

annereturn.cov() 是一个 100x100 的数据帧。输出与我开始时相同的 0.01 偶数权重和此失败消息：

message: 'Inequality constraints incompatible'
nfev: 102
 nit: 1
njev: 1

状态：4 成功：假

4

1 回答 1

0

这就是我计算年化收益的方式...

annreturn = data.pct_change() #again, assuming percentage change 
annreturn = annreturn.iloc[1:]
annreturn = (annreturn+1)**252-1

如果你没有注意到任何事情，没关系。我花了 2 天的时间才意识到我没有将 PCT_CHANGE() 结果除以 100。时间花的很值。我得到了与 15+ 的幂的相关性。这是最后一行的样子，原始问题中的最小化功能可以正常工作。

annreturn = (annreturn/100+1)**252-1

抱歉，如果有人在没有上述内容的情况下花时间做这件事！

于 2020-04-14T19:14:58.780 回答