R语言优化向量求解等风险贡献目标函数最小值报错咨询

报错原因 #

optim函数传入目标函数的权重参数w是一维向量，你原有代码中用rc_matrix[, x[1]]的二维索引方式访问一维向量，自然会触发维度错误。你单独测试时如果传入矩阵格式的w可以运行，但optim不会自动把参数转成矩阵格式。

优化后实现方案 #

简化版目标函数 #

不用两两计算风险贡献的平方差，直接计算各资产风险贡献与均值的平方和即可达成相同目标，计算效率更高且逻辑更简洁：

RC <- function(RM, w) {
  # 权重归一化保证和为1
  w <- w / sum(w)
  # 计算各资产风险贡献
  rc <- RM * w
  # 目标：各rc差异最小，等价于各rc减均值的平方和最小
  return(sum((rc - mean(rc))^2))
}

正确的optim调用代码 #

以你给出的RM样本为例：

# 输入的风险测度向量
RM <- c(0.06006928, 0.06823795, 0.05716360, 0.08363529, 0.06491009, 0.06673174, 0.03103578, 0.05741140)
n_assets <- length(RM)

# 调用optim求解
out <- optim(
  par = rep(1/n_assets, n_assets), # 初始值：等权重
  fn = RC,
  RM = RM,
  method = "L-BFGS-B",
  lower = 0.00001, # 权重下限
  upper = 1, # 权重上限
  control = list(factr = 1e7) # 调整收敛精度，可按需修改
)

# 提取最终权重并归一化（冗余校验）
final_w <- out$par / sum(out$par)
# 查看最终权重
print(final_w)
# 验证风险贡献是否相等
print(RM * final_w)

结果校验 #

运行上述代码后，你会得到：

• 所有权重均落在(0,1)区间内，求和结果为1
• 各资产的风险贡献RM * final_w数值差异极小，基本满足相等要求

内容的提问来源于stack exchange，提问作者Luca Pacioli