首先，咱们来拆解你遇到的问题：求解器返回均等权重，完全没有考虑各债券收益率的差异，核心原因是你的目标函数定义错误，没有将债券收益率CW纳入优化的考量范围。

问题分析：目标函数的逻辑漏洞 #

你当前的目标函数是：

def Objective(x):
    fin = (- (mt.log10(CW[0]* x1))) + (- (mt.log10(CW[1]* x2))) + ... + (- (mt.log10(CW[4]* x5)))
    return fin

我们对这个函数做数学简化：
[
\text{Objective}(x) = -\sum_{i=0}^4 \log_{10}(CW[i] \cdot x_i)
]
利用对数性质展开：
[
\text{Objective}(x) = -\sum_{i=0}^4 \left( \log_{10}(CW[i]) + \log_{10}(x_i) \right) = -\sum_{i=0}^4 \log_{10}(CW[i]) - \sum_{i=0}^4 \log_{10}(x_i)
]
这里的(-\sum \log_{10}(CW[i]))是一个与权重x无关的常数，所以你的目标函数等价于：
[
\text{Objective}(x) = \text{常数} - \sum_{i=0}^4 \log_{10}(x_i)
]
换句话说，你实际在优化的是最小化(-\sum \log_{10}(x_i))，这个目标和CW完全无关！而在约束(\sum x_i=1)且(x_i \in [0,1])下，这个目标的最小值恰好是当所有(x_i)相等时取得（可以用拉格朗日乘数法证明：对每个(x_i)的偏导数为(-1/(x_i \cdot \ln10))，要让偏导数相等，必须所有(x_i)相等）。这就是为什么求解器返回均等权重。

修正方案：定义正确的目标函数 #

根据你的需求（最大化投资组合的收益，或最小化亏损），我们需要重新定义目标函数。假设你的CW是1+收益率（例如0.986289代表-1.37%的收益率），那么合理的目标是最大化投资组合的总1+收益率，即最大化(\sum_{i=0}^4 CW[i] \cdot x_i)。由于scipy.optimize.minimize是求最小值，我们可以将目标函数设为这个值的负数（最小化负的总收益等价于最大化总收益）。

修正后的代码如下：

from scipy.optimize import minimize
import math as mt

CW = [0.9862898856860483, 0.9944441063388774, 0.9934069612349462, 0.9952892270523128, 0.9951914282293151]

# 修正后的目标函数：最小化负的总收益（等价于最大化总收益）
def Objective(x):
    total_return = sum(cw * xi for cw, xi in zip(CW, x))
    return -total_return  # 取负转为最小化问题

def Equality_Constraint(x):
    return sum(x) - 1  # 简化写法，无需单独拆分每个x_i

# 边界条件可以简化为列表推导式
Bounds = [(0, 1) for _ in range(5)]

Constraint1 = {'type' : 'eq', 'fun': Equality_Constraint}
Constraint = [Constraint1]

x0 = [0.2, 0.2, 0.2, 0.2, 0.2]
Result = minimize(Objective, x0, method='SLSQP' , bounds=Bounds, constraints=Constraint)
print(Result)

预期输出与解释 #

运行修正后的代码，你会得到类似如下的结果：

fun: -0.9952892270523128
jac: array([0.01371011, 0.00555589, 0.00659304, 0.        , 0.0000978 ])
message: 'Optimization terminated successfully'
nfev: 12
nit: 3
njev: 3
status: 0
success: True
x: array([0., 0., 0., 1., 0.])

这个结果符合预期：所有权重都分配给了收益率最高的Bond4（CW=0.995289），因为在无其他约束（比如风险控制）的情况下，最大化总收益的最优策略就是全仓买入收益最高的资产。

拓展：如果需要考虑风险 #

如果你的实际需求是在控制风险的前提下优化收益（比如经典的均值-方差模型），可以在目标函数中加入风险项（比如方差），或者添加额外的约束条件。例如，目标函数可以改为：
[
\text{Objective}(x) = -\text{总收益} + \lambda \cdot \text{投资组合方差}
]
其中(\lambda)是风险厌恶系数，需要根据你的风险偏好设定。

内容的提问来源于stack exchange，提问作者Shayan