在C＃中使用極端優化的風險均值投資組合優化

我正嘗試在C＃中使用極限優化例程創建風險平價投資組合。在C＃中使用極端優化的風險均值投資組合優化

我主要是在我買他們之前先試試他們是否喜歡他們（我是個學生，所以錢很緊）。

我的想法是實施這種稱爲風險平價的新型投資組合優化。它基本上說，爲了使您的投資組合多樣化，您應該爲每個組件分配相同的風險。

運行np1.Solve（）時出現空錯誤，我不明白爲什麼。我認爲其他一切都是由Extreme Optimization計算的。
1.我做錯了什麼？
2.有沒有更快的方法來做這個優化，我不知道？
3.如果您不瞭解EO庫，但是可以用C＃中的其他東西來實現此功能，請您註釋一下如何解決此問題？

順便說一句，關於投資組合構造的細節在距離函數的評論中，以防您感興趣。

最好的問候，
愛德華

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)); 

     } 
    } 
}

來源

2012-07-15 Eduardo Sahione

我認爲[email protected]對你來說是一個更好的地方。 – 2012-07-15 22:22:55

乍一看，該功能看起來不錯。如果您使用任意向量調用函數本身，它會返回一個double值還是拋出？ – 2012-07-16 17:01:49

它拋出：/我做了其他的東西，我用了Nelder-mead的算法，我只是想在短期內接受它...後來，如果我覺得它太慢，我總是可以改變它或代碼我自己的實現... – 2012-07-16 22:05:27

如果目標函數計算拋出，我強烈建議你通過調試運行代碼來識別投擲代碼的確切位置。我的第一個賭注是，錯誤是由於矢量大小不匹配而發生的，例如在矩陣向量乘法中。如果你發現這個錯誤的底部，那麼優化將會順利進行。

如果您想嘗試替代算法，您可能需要查看以下解決方案之一。它們都支持（非）線性約束的規範，並且不需要提供目標函數和約束梯度。

微軟求解基金會（msdn.microsoft.com/en-us/devlabs/hh145003.aspx），微軟的平臺，爲數學優化
Funclib，它採用Ipopt作爲NLP求解
Cscobyla，C＃ COBYLA2算法的端口，支持非線性約束的直接搜索算法（cf Nelder-Mead）

來源

2012-07-18 16:48:24

在C＃中使用極端優化的風險均值投資組合優化

回答

相關問題