如何在CVXPY中编写复杂约束？投资组合优化约束添加求助

嘿，我来帮你搞定这个约束添加的问题！首先提个小细节：你定义的w是一维的CVXPY变量（cvx.Variable(38)），所以在约束里访问单个权重应该用w[i]，而不是w[1][i]——虽然求解后w.value会以二维列向量的形式返回，但变量本身是一维的，直接用索引访问就可以啦。

接下来，要实现“每个权重与初始权重的绝对值差大于0.005”的约束，你有两种简洁的方式：

方式1：循环逐个添加约束 #

这种方式直观，适合新手理解：

import cvxpy as cvx
import numpy as np

# 假设你的initial_weights和rets已经定义好
initial_weights = [0.045, 0.035, 0.024, 0.028] + [0.0]*34  # 补全到38个元素
data = ...  # 你的原始数据
rets = np.log(data/data.shift(1))

w = cvx.Variable(38)
ret = np.sum(rets.mean()*w)*252

# 初始化约束列表
constraints = [
    cvx.sum_entries(w) == 1,
    w >= 0.02,  # 这里建议用>=而非>，CVXPY对严格不等式的处理有限
    w <= 0.06
]

# 遍历每个索引，添加绝对值差约束
for i in range(len(initial_weights)):
    constraints.append(cvx.abs(initial_weights[i] - w[i]) >= 0.005)

# 构建并求解问题
prob = cvx.Problem(cvx.Maximize(ret), constraints)
result = prob.solve()

方式2：向量化添加约束（更高效） #

CVXPY支持向量化操作，不用循环就能批量添加约束，代码更简洁，尤其当变量数量大的时候效率更高：

import cvxpy as cvx
import numpy as np

initial_weights = [0.045, 0.035, 0.024, 0.028] + [0.0]*34
data = ...
rets = np.log(data/data.shift(1))

w = cvx.Variable(38)
ret = np.sum(rets.mean()*w)*252

# 用向量化方式构建所有约束
constraints = [
    cvx.sum_entries(w) == 1,
    w >= 0.02,
    w <= 0.06,
    # 直接对整个向量做绝对值差约束
    cvx.abs(cvx.Constant(initial_weights) - w) >= 0.005
]

prob = cvx.Problem(cvx.Maximize(ret), constraints)
result = prob.solve()

小提示 #

注意我把原来的w>0.02和w<0.06改成了w>=0.02和w<=0.06——这是因为CVXPY（以及大多数凸优化求解器）对严格不等式的支持有限，通常建议用非严格不等式来替代，这样求解器能更稳定地处理问题。

内容的提问来源于stack exchange，提问作者Ray234