问题标签 [quadprog]

quadprog 的功能如下所示：solve.QP(Dmat, dvec, Amat, bvec, meq=0, factorized=FALSE)

我的目标函数是：

我的两个限制是：

现在我的目标是确定单个参数。

1）第一个论点 Dmat：

在一般的符号是：

计算矩阵D是Dmat：

因为D是对称的，所以解是

2）第二个参数 dvec：目标函数的线性部分

3）第三个参数 Amat：这是约束的左侧

4）第四个参数 bvec：这是约束的右侧

5）第五个参数 meq为零，因为只有不等式约束

6）第六个论点 factorized：见问题

现在我必须将这六个参数放入函数中solve.QP()。但在这里我确信需要进一步的“转型”......

• 当您查看包装说明时，二次部分乘以 0.5，线性部分为负

• 约束的定义也不同 - >= 符号

问题：

1. 我必须如何“转换”前四个参数solve.QP()
2. 最后一个参数有什么factorized影响
3. 如何最大化功能solve.QP()

提前谢谢了！

编辑：我现在已经完成了我的“转换”，就像 G. Grothendieck 的链接中建议的那样——我希望我做的一切都正确？！

当我改变参数时factorized=TRUE，我得到了 x1=2 和 x2=4 的预期解决方案。

在帮助中提到了 R^-1。但遗憾的是，我不知道这意味着什么......任何提示都表示赞赏。

首先让我说我是 Stack Exchange 网站的新手，如果这是一个低质量的问题，我深表歉意。

我正在尝试使用 R 中的 Solve.QP 运行平均方差投资组合优化，并在 Stack Overflow 上查看了有关此问题的几个先前问题，以找出如何正确执行此操作但没有运气。

我想要的约束如下：

1. 多头/空头组合：权重可能为负
2. 市场中性：权重之和 = 0
3. 无杠杆：每个权重都在 -1 和 1 之间 + 所有正权重之和 = 1，所有负权重之和 = -1

我正在运行这个优化。100 个资产，因此出于演示目的，我用 5 个资产（使用假数据）复制了代码的优化部分。完整代码见文末。

假设我的 5 个资产有以下 5 个预期回报

预计有两种资产表现不佳，而预计有 3 种资产会产生正回报。

Amat 和 bvec 然后看起来像这样

• 第一行表示市场中性约束
• 第二行表示投资组合的长边必须有权重加到 1
• 第三行表示短腿的权重必须加到 -1
• 接下来的 5 行表示每个单独的权重必须 >= -1
• 最后 5 行表示每个单独的权重必须 <= 1

优化运行不会引发错误，但（并非总是）强制执行杠杆约束

其中w_opt包含优化的权重。

我已经设置meq=3指定三个第一个约束是相等的。

我想用 Gurobi 求解器优化一个二次问题。这些矩阵是我已经建模的，它与其他求解器配合得很好。我的 Gurobi 代码如下所示：

在示例中，仅存在不存在实值 c（在我的情况下为 q）的情况。所以，我在表格中设定了目标，x @ Q @ x + q @ x但答案是

障碍解决模型在 0 次迭代和 0.01 秒内。模型不可行

我该如何解决这个问题？为什么它不能与 gurobi 一起使用，但这些矩阵与其他求解器（例如 osqp、cvxopt..

我试图在多个预测中找到权重，以给出尽可能接近已知目标的结果（例如，均方误差）。

这是一个简化的示例，显示了跨四个数据点的三种不同类型的预测：

其中一个预测总是大约 0.9，一个总是大约 1.1，一个总是大约 1.2。

我想要一种自动查找[0.5, 0.5, 0.0]三个预测的权重的方法，因为平均前两个预测并忽略第三个预测非常接近目标。理想情况下，权重将被限制为非负且总和为 1。

我想我需要使用某种形式的线性规划或二次规划来做到这一点。我已经安装了 Python quadprog 库，但我不确定如何将这个问题转换为像这样的求解器所需的形式。谁能指出我正确的方向？

首先，我以适当的形状定义了一些矩阵和向量。

初始化

定义目标函数矩阵

Q 和 C 分别是目标函数 1/2 x^TQ x +C^T x 的矩阵和向量。

##创建平等主题

在我的问题中，我只有相等的约束以及定义自爆的上限和下限。

##创建形状的上限和下限（1,96）

＃＃错误

如果有人可以帮助我，我很高兴。

在投资组合分析中，给定期望，我们的目标是找到每个资产的权重以最小化方差

这是代码

我了解 mu 和协方差矩阵的公式，并且知道quadprog绘图的用法

但是，我不明白为什么Amat并bvec以这种方式定义，为什么是 6 x 4 矩阵。

$mu0$ 是我们对投资组合的期望值，它固定为 8%

附件是问题

以前有人在 Python 中使用过 quadprog 吗？我尝试安装和导入它，它是成功的，但是当我尝试使用它时，我收到以下消息：

安装：

我在寻找类似问题的解决方案时发现了以下代码，在这里：r - Portfolio Optimization -solve.QP - Constraints are Inconsistent

请注意，在上面的代码中，我已将目标回报率从 5.2% 更改为 6.6%，因为考虑到限制，5.2% 是不可行的。

您如何更改上述代码以最大化投资组合方差 <= 140 的预期回报。投资组合方差：wgts%*%Cov%*%t(wgts)所有权重 >=0 和 <=50% 的约束仍然存在。

在 macos 中我没有收到该错误，在 Windows 中我必须安装 Microsoft Visual Studio，但在 Linux 上我不知道如何解决这个问题。

在我输入终端后显示错误：

我尝试了很多方法并寻求帮助。