基于CVXPY的多空市场中性组合：净值暴露约束构建求助

你的核心需求是给多空市场中性投资组合添加单资产净值暴露绝对值不超过100万美元的约束，原代码存在两个关键问题：一是使用了CVXPY不支持的非凸除法约束，二是逻辑偏离了持仓市值限制的需求。以下是正确的实现方案：

正确约束实现 #

约束的核心逻辑是对每只资产单独限制其持仓市值的绝对值：|持仓量 × 资产价格| ≤ 单资产最大允许暴露额。CVXPY的cp.abs支持凸操作，可以直接实现该约束：

import cvxpy as cp

def create_single_value_exposure_constraint(w, prices, max_single_exposure=1e6):
    """
    创建单资产净值暴露约束
    参数:
        w: 资产持仓向量（可为股数或经组合总市值调整后的权重）
        prices: 对应资产的价格向量，与w维度一致
        max_single_exposure: 单资产最大允许净值暴露，默认100万美元
    返回:
        约束列表，每个元素对应一只资产的净值暴露限制
    """
    return [cp.abs(w[i] * prices[i]) <= max_single_exposure for i in range(len(w))]

原代码问题说明 #

1. 非凸约束不支持：原代码中w[idx]/x <= 0.1属于除法约束，除非分母是正数常数，否则CVXPY无法处理这类非凸操作，会导致求解失败。
2. 逻辑错误：原代码计算的是单资产权重占总暴露的比例，并非你需要的持仓市值绝对值限制，完全偏离需求。

使用示例 #

将该约束与已有的市场中性、总暴露约束结合，构建完整的优化问题：

# 示例参数：5只资产的价格与预期收益
n_assets = 5
prices = [50, 100, 200, 300, 400]
expected_returns = [0.05, 0.03, 0.07, 0.02, 0.06]

# 定义优化变量（持仓向量）
w = cp.Variable(n_assets)

# 收集所有约束
constraints = []
constraints.append(create_gross_exposure_constraint(w))
constraints.append(create_market_neutral_constraint(w))
constraints.extend(create_single_value_exposure_constraint(w, prices))

# 定义目标函数（示例为最大化预期收益）
objective = cp.Maximize(expected_returns @ w)

# 求解优化问题
prob = cp.Problem(objective, constraints)
prob.solve()

# 输出结果
print("最优持仓:", w.value)

内容的提问来源于stack exchange，提问作者Ankit Vinod Aggarwal