GEKKO优化求解夏普比率最大化时返回零解无有效解如何解决？

问题原因 #

• 决策变量边界配置错误
  你定义手数变量时写了ub=0，即手数的上限为0，这直接限制了所有手数只能取小于等于0的值，自然只能得到全零解。正常买入做多的场景下应该设置下限lb=0，上限可以根据总资金和单股价格计算最大可买手数，或者暂时设一个足够大的合理值。
• 约束条件逻辑错误
  你写的约束self.get_required_money(hands) >= -1 * self._total_money完全不符合实际业务逻辑。实际约束应该是买入股票占用的资金不超过总可用资金，也就是self.get_required_money(hands) <= self._total_money。你原来的约束在手数为0时左边等于0，天然满足大于等于-15000的条件，等于没有有效约束。
• 目标函数存在除零风险
  当所有手数为0时，required_money等于0，计算权重时会触发除零错误，导致目标函数返回NaN，求解器无法正常迭代，直接返回初始的全零解。
• （业务逻辑错误，不影响解的输出，但会导致结果不符合预期）组合波动率计算错误，投资组合的标准差不是各资产标准差的加权求和，需要加入不同资产之间的协方差计算。

修复方案 #

修改calc_sharp_ratio方法的相关代码，参考修改后的片段：

def calc_sharp_ratio(self):
    m = GEKKO(remote = True)
    # 修正变量边界：手数下限为0，上限根据总资金计算最大可买手数
    max_hands = [int(self._total_money/(100*float(s.get_price()))) for s in self._stocks]
    hands = [m.Var(integer = True, lb = 0, ub=max_hands[i]) for i in range(len(self._stocks))]
    # 修正约束：占用资金不超过总资金，且至少买1手避免除零
    m.Equation(self.get_required_money(hands) <= self._total_money)
    min_price = min([float(s.get_price()) for s in self._stocks])
    m.Equation(self.get_required_money(hands) >= 100 * min_price)
    m.Obj(self.get_sharpe_ratio(hands))
    m.options.SOLVER = 1
    m.solve()
    return hands

如果需要兼容做空场景，可以调整lb为负数，同时对应修改资金约束逻辑即可。

内容的提问来源于stack exchange，提问作者NNNNNNN