嘿，我来帮你搞定这个问题！你遇到的核心问题很明确：你的代码只设置了权重和为1的等式约束，但完全没加入权重≥0的约束条件，所以求解器自然会忽略非负限制，算出负权重来。

要修正这个问题，我们需要用二次规划来求解——因为最小方差投资组合本质就是一个带约束的二次优化问题：目标是最小化投资组合方差（即$\frac{1}{2}w'\Sigma w$，$\Sigma$是资产协方差矩阵），约束条件是$\sum w_i=1$且$w_i≥0$。

下面是具体的修正步骤和代码：

步骤1：用quadprog包处理二次规划 #

quadprog是R里专门用于求解二次规划问题的包，非常适合这个场景。如果还没安装，先执行：

install.packages("quadprog")

步骤2：完整的修正代码 #

# 加载包
library(quadprog)

# 你的原始数据处理部分（简化写法）
Dataset <- as.matrix(Dataset)
nAss <- ncol(Dataset)  # 直接用ncol获取资产数量，比dim更简洁

# 关键：计算资产的协方差矩阵，这是最小方差的核心输入
cov_mat <- cov(Dataset)

# 构造二次规划的目标矩阵：quadprog的目标是(1/2)w'Dmat w + dvec'w，所以Dmat设为2*协方差矩阵
Dmat <- 2 * cov_mat
# dvec是全0向量，因为我们没有线性目标项
dvec <- rep(0, nAss)

# 构造约束矩阵Amat：
# 第一列是权重和为1的等式约束（全1向量），后面nAss列是权重≥0的不等式约束（单位矩阵的列）
Amat <- cbind(rep(1, nAss), diag(nAss))
# 约束值bvec：第一个值是1（权重和为1），后面全是0（权重≥0）
bvec <- c(1, rep(0, nAss))

# 求解二次规划：meq=1表示第一个约束是等式，其余是≥的不等式约束
result <- solve.QP(Dmat = Dmat, dvec = dvec, Amat = Amat, bvec = bvec, meq = 1)

# 提取并查看最优权重
optimal_weights <- result$solution
# 给权重加上资产名称，更直观
names(optimal_weights) <- colnames(Dataset)
print(optimal_weights)

为什么这个代码能解决问题？ #

• 我们明确把权重≥0的约束加入到了Amat和bvec中，diag(nAss)生成的单位矩阵对应每个资产权重≥0的限制
• meq=1告诉求解器：第一个约束（权重和为1）是等式，剩下的约束都是不等式（≥0）
• 最终得到的权重会同时满足权重和为1和所有权重非负两个条件

如果你觉得quadprog的写法有点繁琐，也可以用更封装的PortfolioAnalytics包，它专门做投资组合优化，代码会更简洁，但quadprog是基础实现，能让你更清楚约束的逻辑。

内容的提问来源于stack exchange，提问作者Andrea93