R: sample.int() 错误:NMOF 包

R: Error in sample.int(): NMOF Package

我正在尝试复制以下代码(基于@EnricoSchumann 的 R 中的财务优化),但出现以下错误。该代码试图解决带有基数约束的 Markowitz 模型。此外,它还尝试将最小权重 (winf) 的值限制为非零。

错误:

Error in sample.int(length(toSell), size = 1L) : invalid first argument

代码

library(NMOF)
resample <- function(x,...) x[sample.int(length(x),...)]
data <- list(m = colMeans(fundData), ## expected returns
             Sigma = cov(fundData),  ## expected var of returns
             na = dim(fundData)[2L], ## number of assets
             eps = 0.2/100,          ## stepsize for LS
             winf = 0.03,               ## minimum weight
             wsup = 0.5,               ## maximum weight
             lambda = 1)
cat("The Portfolio will consist of at least ", ceiling(1/data$wsup), 
    " assets. \n", sep = "")

OF <- function(w, data){
  data$lambda * (w %*% data$Sigma %*% w) -
    (1 - data$lambda) * sum(w * data$m)
}

neighbour <- function(w, data){
  toSell <- which(w > data$winf)
  toBuy <- which(w < data$wsup)
  i <- toSell[sample.int(length(toSell), size = 1L)]
  j <- toBuy[sample.int(length(toBuy), size = 1L)]
  eps <- runif(1) * data$eps
  eps <- min(w[i] - data$winf, data$wsup - w[j], eps)
  w[i] <- w[i] - eps
  w[j] <- w[j] + eps
  w
}


#Initial Random Solution 
makex<-function(data){
  resample <- function(x,...)
    x[sample.int(length(x),...)]
  w0 <- numeric(data$na)
  nAssets <- resample(ceiling(1/data$wsup):data$na,1L)
  w0[sample(seq_len(data$na),nAssets)] <- runif(nAssets)
  w0/sum(w0)
}
w0 <- makex(data)
algo <- list(x0 = w0, neighbour = neighbour, nS = 5000L)
system.time(sol1 <- LSopt(OF, algo, data))

欢迎提出建议!

您将需要不同的邻域函数来实现您想要的,或者需要不同的方式来实现约束。

要查看邻里不工作,请设置

w0 <- numeric(data$na)
w0[1:2] <- 0.5

离开这个投资组合的有效举措是什么?该函数将减少两个权重之一。然后 它会增加任何零重量,因为它们都是 满足w < data$wsup;但它会完全忽略 您设置的winf。这不是错误 功能,因为它从来就不是为了这种情况 winf > 0.

强制执行最大基数的邻域是 提供于 关于'A comparison of some heuristic optimization methods'.

的评论

但可能最简单的方法就是做到这一点 两步优化:在外部优化中,你 只需 select 项资产即可投入 文件夹。 (有关示例,请参见 Asset selection with Local Search.) 然后,对于给定的 selection 资产,解决你的 均值-方差问题。