Python基于scipy.minimize的参数优化仅首列非零问题求解

以下是具体错误点和修复逻辑：

• 最核心错误：function_Price 函数的return语句缩进错误，你把return放在了for循环内部，第一轮循环j=0执行完就直接返回结果，剩下j≥1的参数完全没有参与计算，自然只有第一个参数有值，其余全部为0，和你遇到的现象完全吻合。需要把return放到for循环外，等所有维度计算完成后再返回。
• 变量名不匹配：function_Price 形参传入的价格数组命名为y，但函数内部引用的时候用了未定义的P，需要统一变量名。
• 优化调用参数错误：minimize的args参数里使用了未定义的变量Y，你循环中定义的待拟合序列是k，需要替换成对应变量。
• 补充：你当前用的SLSQP是带约束的优化算法，如果你没有额外约束的话，可以用和Matlab的fminsearch逻辑更接近的Nelder-Mead算法，适配性更好。

修复后代码 #

主函数 #

def function_Price(para, y, t, T, tau, N, C):  
    # y= price array
    # C = Auto and cross correlation array
    # a= paramters need to be calibrated
    a = para[:]
    temp = 0
    for j in range(N):
        price_j = a[j] * C[j] * y[t:T-tau, j]
        temp = temp + price_j
    # 循环结束后再返回
    Price = temp
    return Price 

目标函数 #

def GError_function_Price(para, y, k, t, T, tau, N, C):
    # k is the price need to be fitted
    return sum((function_Price(para, y, t, T, tau, N, C) - k[t+tau:T]) ** 2)

执行调用代码 #

import numpy as np
from scipy.optimize import minimize
 
# Prices (example)
y = np.array([[1,2,3,4,5,4], [4,5,6,7,8,9], [6,7,8,7,8,6], [13,14,15,11,12,19]])

# Correlation (example)
Corr = np.array([[1,2,3,4,5,4], [4,5,6,7,8,9], [6,7,8,7,8,6], [13,14,15,11,12,19],[1,2,3,4,5,4],[6,7,8,7,8,6]])

# Define 
tau = 1
Size = y.shape
N = Size[1]
T = Size[0]
t = 0

# Bounds
B = np.zeros(shape=(N,2)) 
for n in range(N):
    B[n][0] = float('-inf')
    B[n][1] = float('inf')

# Calibration 
A = np.zeros(shape=(N,N))  
for i in range(N):
    k = y[:, i] # 待拟合序列
    C = Corr[i, :]
    para = np.zeros(N) # 每次拟合重置初始值
    # 替换错误的Y为k，可根据需求选择算法，SLSQP或者Nelder-Mead
    parag = minimize(GError_function_Price, para, args=(y, k, t, T, tau, N, C), method='SLSQP', bounds=B)
    A[i,:] = parag.x

# 输出结果
print(A)

内容的提问来源于stack exchange，提问作者MMKshawn