使用CVXR优化投资组合时违反DCP规则的问题排查

• 检查协方差矩阵的正定性
  CVXR的凸优化要求严格遵循DCP规则，协方差矩阵作为投资组合方差项的核心，必须是半正定矩阵（PSD）。新增房地产板块后，真实数据计算出的协方差矩阵可能因样本噪声、数据缺失等出现数值层面的非半正定（比如存在微小负特征值），这会直接导致二次项违反DCP规则。
  用以下代码检查特征值：

  cov_eigen <- eigen(cov_matrix)
  print(cov_eigen$values)
  

  如果存在负特征值，可通过两种方式修正：

  • 替换负特征值为0，重构半正定矩阵：

    cov_matrix_psd <- cov_eigen$vectors %*% diag(pmax(cov_eigen$values, 0)) %*% t(cov_eigen$vectors)
    

  • 添加微小正则化项，强制矩阵正定：

    cov_matrix_psd <- cov_matrix + 1e-6 * diag(ncol(cov_matrix))
    

• 验证目标函数与约束的DCP合规性
  新增变量后，可能不小心引入非凸表达式。比如交易成本若用了非凸的非线性形式，或是权重约束出现了违规组合。
  用CVXR自带函数检查整个问题：

  problem <- Problem(objective, constraints)
  print(is_dcp(problem))
  

  若返回FALSE，逐行排查：

  • 确保方差项用quad_form(w, cov_matrix_psd)，CVXR中该函数要求第二个参数必须是半正定矩阵
  • 交易成本若基于权重差的绝对值，用p_norm(w - previous_ws, 1)，这是凸函数，符合DCP规则

• 确认输入数据维度匹配
  新增房地产板块后，务必确保mu、previous_ws的长度和协方差矩阵的行列数完全一致（均为11）。维度不匹配会触发隐式广播，可能间接导致CVXR解析时判定为非凸操作。

• 最小化案例定位问题根源
  构建最小复现场景：前10个行业用原数据，房地产板块先用模拟的半正定协方差项，逐步替换为真实数据，定位具体是哪组协方差数值引发的错误。比如先替换房地产板块的协方差行列为其他行业的平均值，再逐步替换真实值，缩小排查范围。

内容的提问来源于stack exchange，提问作者Theo